无法使用 lsmeans 为 glmer 调整方法

Question

我有一个 glm，我想调整一下使用 lsmeans 的方法。下面的代码使模型（并且似乎做得正确）：

library(lmerTest)
data$group <- as.factor(data$grp)
data$site <- as.factor(data$site)
data$stimulus <- as.factor(data$stimulus)

data.acc1 = glmer(accuracy ~ site + grp*stimulus + (1|ID), data=data, family=binomial)

但是，当我尝试使用以下任何代码来调整模型的方法时，我得到了错误

lsmeansLT 中的错误（模型，test.effs = test.effs，ddf = ddf）：
该模型不是线性混合效应模型。

lsmeans(data.acc1, "stimulus")

或

data.lsm <- lsmeans(data.acc1, accuracy ~ stimulus ~ grp)
pairs(data.lsm)

有什么建议吗？

Answer 1

问题是您使用glmer()（在本例中为混合逻辑回归模型）创建了一个广义线性混合模型，而不是使用lmer() 的线性混合模型。 lsmeans() 函数不接受由glmer() 创建的对象，因为它们不是线性混合模型。

这篇文章中的答案可能会有所帮助：I can't get lsmeans output in glmer

如果您想了解/计算混合 GLM 的边际效应，这篇文章可能会很有用：Is there a way of getting "marginal effects" from a `glmer` object