分类变量的估计值和显著性水平未显示在lmer函数的输出中

aoyhnmkz  于 2023-06-27  发布在  其他
关注(0)|答案(1)|浏览(123)

我正在尝试使用以下脚本运行多级回归分析。

M5 <- lmer(
  health_complaints ~ thinkbody_3cat_ref + IOTF3_ref + sex_ref + age_GMC + 
    fas_sum + thinkbody_3cat_ref*IOTF3_ref +(1|id2),
  data=HBSC2022_FlemishDataset_18_06_completecases,
  REML=FALSE
)
summary(M5)

所有类别都是虚拟编码的。变量IOTF3和thinkbody_3cat_ref都是具有三个类别的分类变量。然而,在下面的输出中,我没有看到不同类别之间的估计值,这使得很难解释交互效应(这是显着的)。

Linear mixed model fit by maximum likelihood . t-tests use Satterthwaite's
  method [lmerModLmerTest]
Formula: health_complaints ~ thinkbody_3cat_ref + IOTF3_ref + sex_ref +  
    age_GMC + fas_sum + thinkbody_3cat_ref * IOTF3_ref + (1 |     id2)
   Data: HBSC2022_FlemishDataset_18_06_completecases

     AIC      BIC   logLik deviance df.resid 
 36405.8  36474.3 -18193.9  36387.8    14981 

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-4.0264 -0.6266  0.1417  0.7446  2.5101 

Random effects:
 Groups   Name        Variance Std.Dev.
 id2      (Intercept) 0.01745  0.1321  
 Residual             0.65524  0.8095  
Number of obs: 14990, groups:  id2, 196

Fixed effects:
Estimate Std. Error         df t value
# (Intercept)                   3.968e+00  3.717e-02  5.185e+03 106.750
thinkbody_3cat_ref           -2.342e-01  9.115e-03  1.494e+04 -25.694
IOTF3_ref                    -2.491e-02  1.595e-02  1.493e+04  -1.562
sex_ref                      -4.731e-01  1.400e-02  1.442e+04 -33.780
age_GMC                      -3.744e-02  3.971e-03  6.149e+02  -9.429
fas_sum                       1.656e-02  3.544e-03  1.464e+04   4.674
thinkbody_3cat_ref:IOTF3_ref  2.926e-02  1.038e-02  1.491e+04   2.818
Pr(>|t|)    
# (Intercept)                   < 2e-16 ***
thinkbody_3cat_ref            < 2e-16 ***
IOTF3_ref                     0.11834    
sex_ref                       < 2e-16 ***
age_GMC                       < 2e-16 ***
fas_sum                      2.98e-06 ***
thinkbody_3cat_ref:IOTF3_ref  0.00484 ** 
# ---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Correlation of Fixed Effects:
            (Intr) thn_3_ IOTF3_ sex_rf ag_GMC fas_sm
thnkbdy_3c_ -0.161                                   
IOTF3_ref   -0.133  0.238                            
sex_ref     -0.196 -0.163 -0.016                     
age_GMC      0.015 -0.019  0.046  0.034              
fas_sum     -0.903  0.031  0.019  0.046  0.065       
t_3_:IOTF3_  0.069 -0.486 -0.792  0.051 -0.044  0.020

有没有人知道什么是错误的或经历了同样的问题?
我尝试更新lme4包。

wz3gfoph

wz3gfoph1#

正如@Axeman评论的那样,如果你说的“dummy coded”是指(例如)IOTF3_ref被编码为(0,1,2)或(1,2,3),那根本就不起作用/不是R中的方式;如果一个变量是'numeric'类型,R会假设你想把它作为一个数值协变量。要在R中的模型中使用分类预测因子,请将其设置为factor,理想情况下保留原始标签(例如“男性”、“女性”或“巧克力”、“草莓”、“香草”)。然后,R将自动设置模型所需的虚拟变量(具有n水平的分类变量将生成n-1二进制虚拟变量)。如何设置虚拟变量(* 对比度编码 *)取决于如何设置options("contrast");默认值为 * 治疗编码 *。
特别是当每个因子有两个以上的水平时,使用像emmeans这样的包以方便的形式获得模型输出/比较可能是最简单的。

相关问题