边际均值估计，只控制一个IV水平的影响（emmeans，lmer）。

Question

我有一个实验，有2个IV，时间（3个层次，t1，t2，t3，被试内），修正类型（3个层次，被试间）。DV=态度（连续）。完整的lmer模型是这样的。

agreement ~ correction * time + (1 + time|subject) + (1 + correction + time|item)

我如何从整体模型中得到简单的效果？

我想在时间点3比较所有三个级别的校正，但考虑到时间点1（基线测量）的个体参与者的分数。这有点像时间点3的方差分析，以时间点1的基线分数作为连续测量。

我可以这样做。

library(lsmeans)

ref_levs <- emmeans(mod2, "correction", by = "time", at = list(time = "t3"))

pairs(ref_levs)

但我不能在t1时得到控制个体参与者分数的比较输出。

我是否被迫对数据集进行子集，以获得我所需要的东西，拟合一个像这样的模型？

agreement_t3 ~ correction + time_t1 + (1|subject) + (1 + correction|item)

或者在emmeans中有一种方法可以不用子集数据集就能得到？

Answer 1

虽然看起来你想把时间1的观察值作为一个协变量，但我还是要展示一个合理的方法，用上文中的模型来估计基线的变化。

首先，设置时间为主要因素，并获得对比，将时间2和3与时间1进行比较。

emm1 <- emmeans(mod2, ~ time | correction)
emm2 <- contrast(emm1, "trt.vs.ctrl1, name = "time.gap")

现在 time.gap 是一个新的因子，只有两个层次t2 - t1和t3 - t1。所以你现在可以比较这些变化。

pairs(emm2, by = "time.gap")

可以用更少的步骤来完成。contrast(emm1, interaction = c("trt.vs.ctrl1", "pairwise"), by = NULL)但我认为上面的步骤不那么混乱，也更容易解释。