応答変数 (resp)、2 つの固定効果 (fix1 と fix2)、ランダム因子 (ran1) を含む混合モデルがあります。特に:
- fix1 には 2 つのレベル (コントロールと処理) があります。
- fix2 には 7 つのレベルがあります (1 から 7 までで、カテゴリ的な意味で時間を示します)。
- ran1 には 6 つのレベルがあります (プロットはペアであり、ペアは確率変数として使用されます)。
私が使用しているデータの種類の例は
library("tidyr")
library("dplyr")
set.seed(123)
DF <- data.frame(resp = rnorm(84, -2, 1),
fix1 = c(rep("C",42),rep("Trt",42)),
fix2 = c(rep("1",6),rep("2",6),rep("3",6),rep("4",6),rep("5",6),rep("6",6),rep("7",6),
rep("1",6),rep("2",6),rep("3",6),rep("4",6),rep("5",6),rep("6",6),rep("7",6)),
ran1 = c(rep(1:6,14)))
DF
上記の例から、次のことが明らかです。
- 実験計画は完全に階乗 (fix1 * fix2) です。
- すべてのプロットは、毎回サンプリングされています (fix2 の 7 レベル)。
fix1 と fix2 の間の相互作用を含む混合モデルでは、
LME <- lmer(resp ~ fix1 * fix2 + (1 | ran1), DF)
比較したい(fix2の場合):
- レベル 3、4、および 5 の平均に対するレベル 1 および 2 の平均。
- レベル 6 および 7 の平均に対するレベル 3、4、および 5 の平均。
- レベル 6 と 7 の平均に対するレベル 1 と 2 の平均。
私の質問は次のとおりです。
- 上記で指定した平均によって構成される 3 つの「新しい」レベルを比較できるように、コントラストを (lmer で) 設定するにはどうすればよいですか?
- fix1 と新しく指定されたレベルの間の相互作用を解釈する方法は?