測試係數差異包括來自分段線性模型的相互作用

我正在運行分段線性隨機係數模型，測試協變量對第二部分的影響。因此，我想測試第二條在協變量（第二條+第二條：協變量）影響下的係數是否與第一條（第一條）的係數不同，因此增長率是否不同。測試係數差異包括來自分段線性模型的相互作用

我設置一些示例性數據：

set.seed(100) 

# set up dependent variable 
temp <- rep(seq(0,23),50) 
y <- c(rep(seq(0,23),50)+rnorm(24*50), ifelse(temp <= 11, temp + runif(1200), temp + rnorm(1200) + (temp/sqrt(temp)))) 

# set up ID variable, variables indicating pieces and the covariate 
id <- sort(rep(seq(1,100),24)) 
piece1 <- rep(c(seq(0,11), rep(11,12)),100) 
piece2 <- rep(c(rep(0,12), seq(1,12)),100) 
covariate <- c(rep(0,24*50), rep(c(rep(0,12), rep(1,12)), 50)) 

# data frame 
example.data <- data.frame(id, y, piece1, piece2, covariate) 

# run piecewise linear random effects model and show results 
library(lme4) 
lmer.results <- lmer(y ~ piece1 + piece2*covariate + (1|id) , example.data) 
summary(lmer.results)

我橫跨linearHypothesis從汽車包（）命令來測試在係數的差異。但是，在包含交互時，我找不到如何使用它的示例。

我甚至可以使用linearHypothesis（）來測試這個還是我瞄準了錯誤的測試？

我感謝您的幫助。非常感謝提前！的Mac

來源

2013-03-28 Mac

假設你的輸出看起來像這樣

    Estimate Std. Error t value 
(Intercept)  0.26293 0.04997  5.3 
piece1   0.99582 0.00677 147.2 
piece2   0.98083 0.00716 137.0 
covariate   2.98265 0.09042 33.0 
piece2:covariate 0.15287 0.01286 11.9

如果我理解正確的話，你想要什麼，你正在尋找的對比： piece1-（piece2 + piece2：協）

或

c(0,1,-1,0,-1)

我的首選工具是功能estimable in gmodels;你也可以通過手工或Frank Harrel的軟件包中的一個功能來完成。

library(gmodels) 
estimable(lmer.results,c(0,1,-1,0,-1),conf.int=TRUE)

給

   Estimate Std. Error p value Lower.CI Upper.CI 
(0 1 -1 0 -1) -0.138  0.0127  0 -0.182 -0.0928

來源

2013-03-28 15:52:06

非常感謝您有用的答案。對比似乎可以解決我的問題。如果我理解正確，用c（0,1，-1,0，-1）指定對比度是指將相應的權重分配給來自lmer模型的係數，因此1代表piece1，-1代表piece2和piece2 ：協變量，0代表截距和協變量，因爲它們不是對比度的一部分。然而，閱讀關於對比和看其他例子，我發現對比度的權重必須總和爲零。在這個例子中，它們將總和爲-1。是否正確對比了對比度？ – Mac

這取決於您開始使用的對比類型;在R（除S-Plus外），默認情況下，這些已經是治療對比。請注意，接受答案被認爲是禮貌的。 –

@DieterMenne - 讓我做到這一榮耀！ –

測試係數差異包括來自分段線性模型的相互作用

回答

相關問題