循环混合模型和tukey比较

我想循环混合模型和Tukey测试。我想要做的就是重复拟合和3列（每个包含一个响应）和4个亚组（总数= 12）的比较。循环混合模型和tukey比较

类似的数据框可在此处获得：https://drive.google.com/open?id=0Bwrsa11LAnrgTXMzWk1fYXR1MHM。这3个部分是“RESP_1”，“RESP_2”和“RESP_3”列，这些子组是“层”列的变量。

我获得由模型和一个单个响应的adjustament和独特的层：

#mixed model  
Mlm_RESP_1 <-lme(RESP_1~clay+till, random=~1|strata/point, data=loop_lm_tukey) 

#tukey 
ls_RSP_1 <- lsmeans(Mlm_RESP_1,pairwise~till,adjust="tukey") 
ls_RSP_1$contrasts 
cld(ls_RSP_1)

然后，我尝试循环通过为每个列的模型：

#loop model  
mlm_RESP <- lapply(c("RESP_1", "RESP_2","RESP_3"), function(k) { 
     lme(eval(substitute(j ~ clay+till, list(j = as.name(k)))), random = ~1|strata/point, data = loop_lm_tukey)})

从目前来看，我无法使用lsmeans包循环Tukey比较，因为lapply返回一个列表，并且此包无法处理这种类。

此外，我怎样才能循环这个每层？

任何帮助做Tukey的比较循环将不胜感激。

来源

2017-10-18 Matt_4

你应该可以在'mlm_RESP'列表上'lapply（）'tukey。 – LAP

只需在列表的每个成员上运行lsmeans即可。 – rvl

'lsmeans'不能处理列表中的成员。不过，我想学习如何做一个循环（我有其他3个数据帧来应用此操作）。 –

试试这个：

mlm_RESP <- lapply(c("RESP_1", "RESP_2","RESP_3"), function(k) { 
    df=cbind(resp=loop_lm_tukey[,k],loop_lm_tukey[,-c(1:3)]) 
    lme(resp~clay+till, random = ~1|strata/point, data = df)}) 

res1=lapply(mlm_RESP,function(rm)lsmeans(rm,pairwise~till,adjust="tukey"))

或：

res2=list() 
for (i in 1:3) res2[[i]]=lsmeans(mlm_RESP[[i]],pairwise~till,adjust="tukey")

的结果是一样的。

来源

2017-10-18 15:41:39 Robert

运行代码时，它返回一个错误：错误as.name（k）：object'k'not found 错误在ref.grid（object = list（modelStruct = list（reStruct = list（point = 8.82313412464084，：也许需要'数据'或'参数'参数' –

Off course !!我更新了答案！ – Robert

循环混合模型和tukey比较

回答

相关问题