Emmeans 没有根据模型给我正确的调整方法

Question

我使用 emmeans 从我的线性混合效应回归模型中导出调整均值，但结果似乎不正确。我想绘制模型拟合和各个数据点的调整值，但结果看起来很奇怪：

课程 A 的估计调整均值似乎太高，课程 C 太低。在我的线性混合效应回归中，我预测后测，前测作为协变量，组的主要影响和交互作用和课程。因为我对课程和不同的测试条件进行了重复测量，所以我对课程和学校进行了随机截取。使用 emmeans 我得到以下估计：

# model fit
CI_post <- lmer(
  post.diff ~ 
    pre.diff +
    group * course 
  + (1|bib) 
  + (1|school), 
  data = dat, 
  REML = FALSE)

#estimated adjusted means
emmeans(CI_post, specs = c("course", "group"),lmer.df = "satterthwaite")

# Results
 course group       emmean    SE   df lower.CL upper.CL
 A      blocked      0.311 0.191 6.65  -0.1452    0.768
 B      blocked      0.649 0.180 5.38   0.1954    1.102
 C      blocked      1.141 0.195 7.28   0.6847    1.598
 A      interleaved  0.189 0.194 7.15  -0.2666    0.645
 B      interleaved  0.497 0.179 5.31   0.0451    0.949
 C      interleaved  1.046 0.191 6.72   0.5907    1.502

这些值是我绘制的，我认为是不正确的。有人可以帮助我，以便我得到正确的估计调整方法吗？

看了this后，我怀疑是因为pre.diff是固定值导致的错误？

ref_grid(CI_post)

#result
'emmGrid' object with variables:
    pre.diff = 1.5065
    group = blocked, interleaved
    course = A, B, C

编辑按照 Lenth 的建议，我尝试了： post.diff.adj = post.diff + b * (1.506 - pre.diff), 这给了我下图：

看起来更好更正确了。我使用了模型中的模型回归系数：

Fixed effects:
                          Estimate Std. Error        df t value             Pr(>|t|)    
(Intercept)               -0.66087    0.18158   5.58701  -3.639             0.012280 *  
pre.diff                   0.64544    0.06178 130.60667  10.448 < 0.0000000000000002 ***
groupinterleaved          -0.12209    0.15189  65.38709  -0.804             0.424431    
courseB                    0.33714    0.09703 131.63603   3.475             0.000693 ***
courseC                    0.82993    0.16318 151.09201   5.086           0.00000107 ***
groupinterleaved:courseB  -0.02922    0.11777 101.47596  -0.248             0.804563    
groupinterleaved:courseC   0.02692    0.11763 100.29319   0.229             0.819435

然后我在我的tibble中计算了它：


dat <- dat %>%
  mutate(adjustedMean = (post.diff) + (0.6454358 * (1.506 - pre.diff)))

然后我用ggplot绘制了它：

CI_post_plot <- ggplot(dat, aes(x = interaction(group, course), y = adjustedMean)) +
  geom_point(aes(color=group), size=1.5, position=position_jitter(width=0.1), alpha=0.7)+
  scale_y_continuous(name = "Time substracted from straight gliding time (sec.)", breaks = seq(-2, 6, 1)) +
  theme_pubr()+
  theme(legend.position="none",
        axis.title.x=element_blank()) +
  geom_hline(aes(yintercept=0), linetype = "dashed", size=0.2) + 
  scale_x_discrete(labels = c("Blocked\nCourse A", "Interleaved\nCourse A", "Blocked\nCourse B", "Interleaved\nCourse B", "Blocked\nCourse C",  "Interleaved\nCourse C")) 

CI_post_plot <- CI_post_plot + 
  geom_point(data = estmarg_mean, aes(x=interaction(group, course), y=emmean, group=group), size=2.5) +
  geom_errorbar(data = estmarg_mean, aes(x= interaction(group, course), y = emmean, ymin = lower.CL,ymax = upper.CL), width=0.1)

https://cran.r-project.org/web/packages/emmeans/vignettes/basics.html

Answer 1

查看一些评论，OP 中的第二个图显示了调整后的响应值和调整后的均值（又名 EMM）。这个粗略的草图中显示了对此的直觉：大多数实验设计文本将显示类似的图片来说明调整均值是如何被限制的：模型为每个处理拟合平行线；这些线穿过各自数据云的中心。调整后的均值是协变量均值的估计值。

为了得到调整后的数据，我们对每个数据点做同样的事情；显示了几个有代表性的点。调整后的数据是每个数据点在平均线上的投影，投影路径与回归线平行。

The American Statistician 几年前有一篇关于“对齐数据”的文章，与此类似。我不记得作者了，也没有在快速搜索中找到它。这也与一些回归文本中讨论的“分量加残差”图有关。基本思想是从数据中去除有害变量的估计影响，或者等效地获得模型残差并添加非有害影响。

Emmeans 没有根据模型给我正确的调整方法

Emmeans does not give me the correct adjusted means from the model

r

emmeans