我有一个混合模型,包含响应变量(resp),两个固定效果(fix1和fix2)和一个随机因子(ran1) . 特别是:
-
fix1有2个级别(控制和治疗);
-
fix2有7个级别(从1到7,表示分类意义上的时间);
-
ran1有6个级别(图是配对的,而对用作随机变量) .
我正在使用的数据类型的一个例子是
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
从上面的例子可以看出:
-
实验设计是完全阶乘的(fix1 * fix2);
-
每次都对所有样地进行采样(7级修复2) .
在包含fix1和fix2之间的交互的混合模型中,
LME <- lmer(resp ~ fix1 * fix2 + (1 | ran1), DF)
我想比较(对于fix2):
-
1级和2级的平均值与3级,4级和5级的平均值相对应;
39 3级,4级和5级的平均值与6级和7级的平均值相比; -
1级和2级的平均值与6级和7级的平均值相比 .
我的问题是:
-
如何设置对比度(以lmer为单位),以便我可以比较由上面指定的平均值组成的三个"new"水平?
-
如何解释fix1与新指定级别之间的交互?