循環混合模型和tukey比較

我想循環混合模型和Tukey測試。我想要做的就是重複擬合和3列（每個包含一個響應）和4個亞組（總數= 12）的比較。循環混合模型和tukey比較

類似的數據框可在此處獲得：https://drive.google.com/open?id=0Bwrsa11LAnrgTXMzWk1fYXR1MHM。這3個部分是「RESP_1」，「RESP_2」和「RESP_3」列，這些子組是「層」列的變量。

我獲得由模型和一個單個響應的adjustament和獨特的層：

#mixed model  
Mlm_RESP_1 <-lme(RESP_1~clay+till, random=~1|strata/point, data=loop_lm_tukey) 

#tukey 
ls_RSP_1 <- lsmeans(Mlm_RESP_1,pairwise~till,adjust="tukey") 
ls_RSP_1$contrasts 
cld(ls_RSP_1)

然後，我嘗試循環通過爲每個列的模型：

#loop model  
mlm_RESP <- lapply(c("RESP_1", "RESP_2","RESP_3"), function(k) { 
     lme(eval(substitute(j ~ clay+till, list(j = as.name(k)))), random = ~1|strata/point, data = loop_lm_tukey)})

從目前來看，我無法使用lsmeans包循環Tukey比較，因爲lapply返回一個列表，並且此包無法處理這種類。

此外，我怎樣才能循環這個每層？

任何幫助做Tukey的比較循環將不勝感激。

來源

2017-10-18 Matt_4

你應該可以在'mlm_RESP'列表上'lapply（）'tukey。 – LAP

只需在列表的每個成員上運行lsmeans即可。 – rvl

'lsmeans'不能處理列表中的成員。不過，我想學習如何做一個循環（我有其他3個數據幀來應用此操作）。 –

試試這個：

mlm_RESP <- lapply(c("RESP_1", "RESP_2","RESP_3"), function(k) { 
    df=cbind(resp=loop_lm_tukey[,k],loop_lm_tukey[,-c(1:3)]) 
    lme(resp~clay+till, random = ~1|strata/point, data = df)}) 

res1=lapply(mlm_RESP,function(rm)lsmeans(rm,pairwise~till,adjust="tukey"))

或：

res2=list() 
for (i in 1:3) res2[[i]]=lsmeans(mlm_RESP[[i]],pairwise~till,adjust="tukey")

的結果是一樣的。

來源

2017-10-18 15:41:39 Robert

運行代碼時，它返回一個錯誤：錯誤as.name（k）：object'k'not found 錯誤在ref.grid（object = list（modelStruct = list（reStruct = list（point = 8.82313412464084，：也許需要'數據'或'參數'參數' –

Off course !!我更新了答案！ – Robert

循環混合模型和tukey比較

回答

相關問題