Question

对于使用nlme软件包构建的线性混合模型，我对lsmeans软件包使用的自由度有疑问。

这是一个基于Oats数据集来说明我的问题的例子。我不打算讨论这个模型是否与数据集相关，我只是想重现我对另一个数据集的问题; - ）。

Oats.lme <- lme(yield ~ Variety, random = ~1 | Block, data = Oats)
anova(Oats.lme)

使用anova，我获得了预期的64个自由度。

numDF denDF  F-value p-value
(Intercept)     1    64 245.1409  <.0001
Variety         2    64   1.6654  0.1972

然后我使用lsmeans函数：

lsmeans(Oats.lme, list(poly ~ Variety))

我获得了

$`lsmeans of Variety`
Variety       lsmean       SE df lower.CL upper.CL
Golden Rain 104.5000 7.680866  5 84.75571 124.2443
Marvellous  109.7917 7.680866  5 90.04737 129.5360
Victory      97.6250 7.680866  5 77.88071 117.3693

Confidence level used: 0.95

$`polynomial contrasts of contrast`
contrast   estimate       SE df t.ratio p.value
linear     -6.87500  6.68529 64  -1.028  0.3076
quadratic -17.45833 11.57926 64  -1.508  0.1365

对于对比，我得到相同的64 df，但对于lsmeans本身，我只有5 df。我也使用SAS，对于相同类型的模型，我对于lsmeans和对比具有相同数量的df（在当前示例中将是64）。

我已经看到在使用lme4软件包时可能会改变自由度，但我的代码嵌入在一个基于nlme的内部开发工具中，所以我基本上坚持使用nlme。

现在有人会为什么会这样，如果有可能改变它？或者我错过了什么？

更新 - 初始错误消息

我最初注意到在一个特定情况下这些lsmeans的自由度降低，我的随机运行效果只有2个级别，当我对Dunnett的调整感兴趣时。因为我对lsmeans比较感兴趣，现在我知道它来自哪里，我仍然可以使用它，但我把它放在那里以防万一有同样的错误并想知道原因。

我使用Oats数据示例在下面复制了它。我获得的错误发生在lsmeans :::。qdunnx函数中，并且是由于lsmeans的df为1。

Oats.lme <- lme(yield ~ Variety, random = ~1 | Block, data = subset(Oats,Block %in% c("I","II")))
lsm <- lsmeans(Oats.lme, trt.vs.ctrl ~ Variety)
summary(lsm,adjust = "dunnettx", infer = c(T, T), level = 0.95)

这是结果

$lsmeans
Variety      lsmean       SE df  lower.CL upper.CL
Golden Rain 123.250 15.88642  1 -78.60608 325.1061
Marvellous  125.500 15.88642  1 -76.35608 327.3561
Victory     115.125 15.88642  1 -86.73108 316.9811
Confidence level used: 0.95

$contrasts
contrast                 estimate      SE df t.ratio p.value
Marvellous - Golden Rain    2.250 12.8697 20   0.175  0.9695
Victory - Golden Rain      -8.125 12.8697 20  -0.631  0.7482
P value adjustment: dunnettx method for 2 tests

Error in if (abs(diff(r[1:2])) < 5e-04) return(r[1]) : 
  missing value where TRUE/FALSE needed
In addition: Warning message:
In qtukey(p, (1 + sqrt(1 + 8 * k))/2, df) : production de NaN

Answer 1

该模型表示响应变量受两个随机变化的影响：由块组成的变量和由变量组成的变量。每种品种的手段包括这些变异来源;但这些方法的比较排除了块变化，因为品种在同一块上进行比较。

您只有六个区块，因此有5个自由度来估计区块的变化，这解释了多样性方法的自由度。比较有更多的自由度，因为您不必考虑块的变化。

此处要考虑的另一个问题是对 nlme 包的支持使用包含方法来获得自由度。这主要涉及查看每种效果的自由度的最坏情况。如果你改为使用 lme4 包和lmer函数来拟合模型，lsmeans将使用Satterthwaite或Kendall-Roger方法来获得自由度，这些结果可能会有点大。但是，手段的自由度仍然远低于比较的自由度。

附录：SAS结果

以下是一些具有相同数据和模型的SAS代码：

proc mixed data = Oats;
  class Variety Block;
  model yield = Variety / ddfm = satterth;
  random Block;
  lsmeans Variety / tdiff;

......和lsmeans结果：

                           Least Squares Means

                                   Standard
Effect     Variety     Estimate       Error      DF    t Value    Pr > |t|
Variety    Golden_R      104.50      7.6809    8.87      13.61      <.0001
Variety    Marvello      109.79      7.6809    8.87      14.29      <.0001
Variety    Victory      97.6250      7.6809    8.87      12.71      <.0001

                      Differences of Least Squares Means
                                           Standard
Effect    Variety    _Variety   Estimate      Error     DF   t Value   Pr > |t|

Variety   Golden_R   Marvello    -5.2917     6.6853     64     -0.79     0.4316
Variety   Golden_R   Victory      6.8750     6.6853     64      1.03     0.3076
Variety   Marvello   Victory     12.1667     6.6853     64      1.82     0.0734

请注意，当Satterthwaite方法用于自由度时，SAS显示64 df用于比较，但仅显示8.87 df的平均值本身。

如果省略ddfm语句中的model选项，则默认为df的包含方法，并在两个表中列出64 df。但是，我认为SAS在实施遏制方面是不正确的;请参阅CrossValidated中我之前关于此主题的帖子：https://stats.stackexchange.com/questions/140156/degrees-of-freedom-using-containment-method

Lsmeans包装在R - 自由度与lme模型

更新 - 初始错误消息

1 个答案:

附录：SAS结果