- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
运行测试后(model1.emm=emmeans(model1,~timeBin)
),这是我在控制台中看到的:
对比(model1.emm,“trt.vs.ctrl”,ref = 1,调整='fdr')
是否可以将此输出导出到数据框?
我学会了如何导出其余结果:结果 = as.data.frame(summary(model1.emm))
最佳答案
以同样的方式导出。 contrast()
的结果是一个 emmGrid
对象,与 emmeans()
的类相同。您可以使用 summary()
或 as.data.frame()
— 无需同时使用两者。
关于r - 如何将 emmeans对比() 的结果导出到数据框?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59759352/
我想用实验的Type_space和Exhaustion_product的速率和定量变量Age来解释Type_f . 这是我的数据: res=structure(list(Type_space = st
我计算了与 interactions 包中的 sim_slopes() 函数交互的简单斜率,并使用了 emtrends() 函数emmeans 包和结果(估计值和标准误差)似乎略有不同,即使两种计算都
我想把附加图片中圈出的 EMM 放大。看起来只是增加 y 轴标签字体大小不会改变每个羊毛:张力组合旁边的颜色编码标签。感谢您的关注。 model <- lm(breaks ~ wool * tensi
我是新的。我想用emmeans基于模型计算估计边际均值的函数。此模型由 lmer 完成功能。问题是我有很多(20 左右)固定效应变量和一个随机效应变量。我可以跑 lmer没有问题。顺便说一下,在运行
此问题涉及Emmeans continuous independant variable 我想使用单行计算至少三个直径值(即最小值、平均值和最大值)的 EMM。指定 cov.reduce = rang
我一直在使用 emmeans 包为我的数据创建置信水平为 0.95% 的估计边际均值。虽然我似乎无法将其更改为 0.99% 的置信度。任何帮助将非常感激。通常我会使用“levels=”函数,但它似乎不
我想在 emmeans 中创建一个自定义对比函数,它可以从输入向量中删除给定的级别列表,并在剩余级别上应用内置对比方法(“trt.vs.ctrl”)。提供了一个示例数据集 here .我正在使用以下
我正在尝试使用 ggplot2 的语法编辑由 emmean 箭头图生成的构面标签文本以覆盖默认值。 pigs.lm <- lm(log(conc) ~ source + as.factor(perce
我正在尝试使用 ggplot2 的语法编辑由 emmean 箭头图生成的构面标签文本以覆盖默认值。 pigs.lm <- lm(log(conc) ~ source + as.factor(perce
我正在处理一个数据集,其中包含几种不同类型的蛋白质作为列。有点像这样This is simplified, the original dataset contains over 100 types o
我有一个超过 100 个线性模型的列表,我想为每个模型获取估计均值和标准误差。 让我们以 mtcars 为例。 库(tidyverse);图书馆(magrittr);库(emmeans) mtcars
出于报告原因,我试图从 glmer 模型的 emmeans 获取自由度,但它们只显示 Inf。 这是一些示例数据。在真实数据中,没有嵌套结构,这只是我构建数据框的结果: set.seed(1234)
我对计算混合模型的 SE 很感兴趣。为此,我首先在一个更简单的模型中试用了软件包中包含的一个数据集。 pigs$percent summary(Doc_lm_1) ... several lines
这个问题的灵感来自 can't use emmeans inside map , 并与 Map `joint_tests` to a list after fitting a `gls` model
这个问题的灵感来自 can't use emmeans inside map , 并与 Map `joint_tests` to a list after fitting a `gls` model
我是一名优秀的程序员,十分优秀!