1

変数のうち 2 つがカテゴリ変数で、1 つが連続変数である、3 方向の交互作用項を含むモデルを lmer に当てはめました。lmer のデフォルトである効果のパラメーター化ではなく、すべての勾配と切片の平均のパラメーター化を回復しようとしていますが、適切なコーディングに固執しています。たとえば (ランダム効果を含めずに)、アヤメのデータ セットを使用して、追加のカテゴリ変数 (Soil) を作成し、モデルを種、がく片の幅、および土壌に適合させました。

data(iris)
iris$Soil<-c(rep(c("Y","N"),75) #my made up second factor
summary(lm(Sepal.Length~Species*Soil*Sepal.Width-1-Species-Soil-Sepal.Width,data=iris))

の出力を与える

Coefficients:
                                Estimate Std. Error t value Pr(>|t|)    
Speciessetosa:SoilN                   2.9752     0.7069   4.209 4.60e-05 ***
Speciesversicolor:SoilN               3.0580     0.8293   3.688 0.000324 ***
Speciesvirginica:SoilN                2.7583     0.7543   3.657 0.000362 ***
Speciessetosa:SoilY                   1.9934     0.9520   2.094 0.038105 *  
Speciesversicolor:SoilY               3.9449     0.7379   5.346 3.63e-07 ***
Speciesvirginica:SoilY                5.7967     0.9106   6.366 2.68e-09 ***
Speciessetosa:Sepal.Width             0.5962     0.2078   2.869 0.004765 ** 
Speciesversicolor:Sepal.Width         1.0210     0.2984   3.422 0.000819 ***
Speciesvirginica:Sepal.Width          1.2994     0.2488   5.223 6.33e-07 ***
SoilY:Sepal.Width                     0.2747     0.3426   0.802 0.424163    
Speciesversicolor:SoilY:Sepal.Width  -0.5582     0.5255  -1.062 0.289953    
Speciesvirginica:SoilY:Sepal.Width   -1.3331     0.5240  -2.544 0.012061 *

最後の 3 つの勾配値 (Soil = Y) は、まだ効果のパラメーター化に含まれており、平均値を取得するための適切なコーディングを理解できません。これは可能だと思いますか？どんな提案でも大歓迎です。

4

1 に答える 1

2

あなたが何を望んでいるのかよくわかりませんが、これでうまくいくと思います：

##  data(iris)  ## not actually necessary (lazy-loading)
iris2 <- transform(iris,
            Soil=rep(c("Y","N"),75))

coef(lm(Sepal.Length~0+Species:Soil+Species:Soil:Sepal.Width,
           data=iris2))

減算的にやりたい場合は、次の方法で実行できます

coef(lm(Sepal.Length~Species*Soil*Sepal.Width-
           (Species+Soil)*(1+Sepal.Width)-1,
           data=iris2))

がく片の幅も中央揃えにしますか ( scale(Sepal.Width,scale=FALSE))?

effectsおよびlsmeansパッケージも同様に役立つ場合があります。

于 2015-04-08T20:48:22.237 に答える