具有许多观察结果的 lmerTest 模型的事后 emmeans 错误

问题描述

我使用 lmerTest 运行了一个混合模型，我需要一个事后测试。

以下是模型，每次都试一试。然后，我使用 emmeans 但得到以下错误（可能是因为大量观察）。

我将不胜感激，因为我尝试过的其他方法也不起作用。 P. S. 当我尝试添加参数 'lmerTest.limit = 13812' 时，它根本不起作用。

lmerTest :: lmer (RT ~ condition * pronoun * objectification_center +
(1+ pronoun| subject_ID),data = data)```


emm1 = emmeans(mixed_model_RT_comp,specs = pairwise ~ condition:pronoun)

 Note: D.f. calculations have been disabled because the number of observations exceeds 3000.
To enable adjustments,add the argument 'pbkrtest.limit = 13812' (or larger)
[or,globally,'set emm_options(pbkrtest.limit = 13812)' or larger];
but be warned that this may result in large computation time and memory use.
Note: D.f. calculations have been disabled because the number of observations exceeds 3000.
To enable adjustments,add the argument 'lmerTest.limit = 13812' (or larger)
[or,'set emm_options(lmerTest.limit = 13812)' or larger];
but be warned that this may result in large computation time and memory use.
NOTE: Results may be misleading due to involvement in interactions```

解决方法

从我在这个问题中读到的内容，你确实得到了结果。就这样做：

emm1

你会看到它们。

OP 中显示的消息只是——消息，而不是错误。 由于您有如此多的观察结果，因此它使用渐近结果（z 检验而不是 t 检验，由 Inf 自由度表示）。这绕过了使用 Kenward-Roger 或 Satterthwaite 自由度所需的极其繁重的计算。通过指定 emmeans(...,lmer.df = "asymp")，您可以获得相同的结果，无需前两条消息中的任何一条。

当您说“当我尝试添加参数 lmerTest.limit = 13812 时，它根本不起作用”，我怀疑真正发生的是计算机似乎锁定了；这是因为获得 Satterthwaite 自由度需要大量的计算。

第三条消息表示，在涉及交互时计算边际均值可能不是一个好主意。您应该进行一些绘图或测试或其他操作，以确保对 objectification_center 取平均值是合理的。查看 summary(mixed_model_RT_comp) 并查看与 objectification_center 交互的测试。如果其中任何一个很重要，您可能不应该对该因素进行平均，而是使用 specs = pairwise ~ condition:pronoun | objectification_denter。如果这些交互作用不显着，请考虑在没有这些交互作用的情况下重新拟合模型。