与公共变量的多个成对交互时的差异 emmeans 和手动比较答案

【问题标题】：Differences emmeans and manual comparisons when multiple pairwise interactions with common variable与公共变量的多个成对交互时的差异 emmeans 和手动比较
【发布时间】：2022-11-22 10:30:20
【问题描述】：

在计算分位数回归时，我试图提取成对差异R软件（4.2.1 版）。这埃米斯如果对中位数感兴趣，软件包（我使用的是 1.8.1-1 版）应该允许我提取这些差异，但我需要为其他百分位数计算它们，所以我想手动提取它们。但是，我无法获得与埃米斯，我无法在小插图或以前的帖子中找到解决方案埃米斯.

情况是这样的：我有三个变量。 var1 和 var2 是具有两个级别的分类（分别是 A 和 B，以及高和低）。另一个变量已按比例缩放（均值为 0，标准差为 1），因此估计值代表了对该变量进行平均时的效果。 var1 与 var2 和 var3_z 交互。然后我将估计值与输出进行了比较埃米斯，尤其是第一个，因为解释是直接的。如您所见（下面的代码），当 var2 为“Low”时，A 和 B 之间的差异为 1.36，但是埃米斯说它是 1.3（这不是一个舍入问题，在其他情况下它似乎工作得很好，这意味着我没有正确理解摘要）。

这是代码和输出。

总结结果

modelAll50 <- rq(output ~ var1 * var2 + var1 * var3_z, tau = 0.5, data = dfModelAllControl, method = "fn")
summary(modelAll50)

Call: rq(formula = output ~ var1 * var2 + var1 * var3_z, tau = 0.5, 
    data = dfModelAllControl, method = "fn")

tau: [1] 0.5

Coefficients:
               Value    Std. Error t value  Pr(>|t|)
(Intercept)     0.04322  0.01623    2.66359  0.00774
var1B           1.36359  0.19793    6.88936  0.00000
var2High        0.11678  0.04986    2.34223  0.01919
var3_z         -0.02829  0.01237   -2.28627  0.02226
var1B:var2High  6.60083  0.65356   10.09977  0.00000
var1B:var3_z   -0.18197  0.21099   -0.86245  0.38846

埃默斯结果

em <- emmeans(modelAll50, pairwise ~ var1 | var2)
pairs(em) %>%  confint()

var2 = Low:
 contrast estimate    SE    df lower.CL upper.CL
 A - B        -1.3 0.207 10023    -1.70   -0.895

var2 = High:
 contrast estimate    SE    df lower.CL upper.CL
 A - B        -7.9 0.626 10023    -9.13   -6.673

Results are averaged over the levels of: var3_z 
Confidence level used: 0.95

当 var3 没有与 var1 交互，或者如果与 var1 以外的任何其他变量交互时，我没有这个问题。有人可以解释我做错了什么，无论是在我对摘要的理解中，还是在我的手动缩放和比较中，或者是埃米斯？

【问题讨论】：

您可以通过使用dput(dfModelAllControl) 提供您的数据集来发帖reproducible 吗？

标签： r regression interaction emmeans

【解决方案1】：

首先，as is documented，可选参数之一是tau，根据文档，它的默认值是

tau = "0.5"（必须与object$tau 中的条目匹配）

这允许您使用中位数以外的分位数，但您必须在拟合模型时指定所需的分位数。

其次，您显示的代码要求进行成对比较两次-- 通过公式中的 pairwise 并再次调用 pairs()。我建议您经常跳过 pairwise ~ 便利功能，并在需要时获得您想要的东西。
modelAll <- rq(output ~ var1 * var2 + var1 * var3_z, 
               tau = c(0.25, 0.5, 0.75), 
               data = dfModelAllControl, 
               method = "fn")

em25 <- emmeans(modelAll, ~ var1 | var2, tau = 0.25)
pairs(em25) |>  confint()

em50 <- emmeans(modelAll, ~ var1 | var2, tau = 0.50)
pairs(em50) |>  confint()

em75 <- emmeans(modelAll, ~ var1 | var2, tau = 0.75)
pairs(em75) |>  confint()
第三，var3_z与var1交互，这意味着var1的级别根据var3_z的值进行不同的比较。 var3_z 是一个数值预测器。如果您不指定，emmeans 选择将var3_z 设置为它的平均值。您可以使用 at 指定不同的值，例如
em75a <- emmeans(modelAll, ~ var1 | var2 * var3_z, tau = 0.75,
    at = list(var3_z = c(-1,0,1))

【讨论】：