调整模型多重比较的 p 值的最简单方法，以使用来自modelsummary 包的msummary 显示 MWE

编程问答 2022-05-30

问题描述

使用 lmerTest::lmer() 对重复测量数据执行线性回归后，我想针对多重比较进行调整。
我运行了几个模型并使用 Bonferroni-Holm 来调整每个模型，请参阅下面的方法。
最后，我想用 modelsummary 生成一个回归表，其中应包括调整后的 p 值和额外的拟合优度统计数据（类似于 this SO post）。

– 也许 modelsummary() 中还有一种更简单的方法来调整我还不知道的 p 值？ （单独用于模型以及用于/跨一组模型）

MWE

library("modelsummary")
library("lmerTest") 
library("parameters")
library("performance")

mod1  <- lmer(mpg ~ hp + (1 | cyl),data = mtcars) 
mod2  <- lmer(mpg ~ hp + (1 | gear),data = mtcars) 

l_mod <- list("mod1" = mod1,"mod2" = mod2)
# msummary(l_mod) # works well

adjMC <- function( model ) {
model_glht <- glht(model)
model_mc_adj <- summary(model_glht,test = adjusted('holm')) # Bonferroni-Holm is less conservative and uniformly more powerful than Bonferroni
return(model_mc_adj)
}
mod1_adj <- adjMC(mod1)
mod2_adj <- adjMC(mod2)

l_mod_adj <- list("mod1_adj" = mod1_adj,"mod2_adj" = mod2_adj)

但是，在调整 p 值后，模型中的类从“lmerModLmerTest”变为“summary.glht”

class(mod1) # => "lmerModLmerTest"
class(mod1_adj) # => "summary.glht"

"summary.glht" 在 list of supported models of modelsummary 中， 我成功地获得了估计值和 p 值：

parameters::model_parameters(mod1_adj)
# Parameter        | Coefficient |   SE |         95% CI | Statistic | df |      p
# --------------------------------------------------------------------------------
# (Intercept) == 0 |       24.71 | 3.13 | [17.84,31.57] |      7.89 |  0 | < .001
# hp == 0          |       -0.03 | 0.01 | [-0.06,0.00] |     -2.09 |  0 | 0.064
# e.g. with modelsummary:
modelsummary::get_estimates(mod1_adj) # gives more info than broom::tidy(mod1_adj)

然而，获得拟合优度统计数据并没有成功：

performance::model_performance(mod1_adj)
# 'r2()' does not support models of class 'summary.glht'.
# Can't extract residuals from model.
# no 'nobs' method is availableModels of class 'summary.glht' are not yet supported.NULL

broom::glance(mod1_adj) # and also for broom.mixed::glance(mod1_adj)
# => Error: No glance method for objects of class summary.glht

# e.g. with modelsummary:
modelsummary::get_gof(mod1_adj) 
# => Cannot extract information from models of class "summary.glht".

为了能够在最终回归表中包含调整后的 p 值，我尝试使用自定义函数为“summary.glht”生成自定义类，以提取估计值和拟合优度信息。 我扫描了 summary(mod1_adj) 以获取所需信息，例如 summary(mod1_adj)$coef，但没有找到创建 fcts 所需的所有信息。

names(mod1_adj$test)
# [1] "pfunction"    "qfunction"    "coefficients" "sigma"        "tstat"        "pvalues"      "type" 

tidy.summary.glht <- function(x,...) {
    s <- summary(x,...)
    ret <- tibble::tibble(term = ...,estimate = s$test$coefficients,...      = ...,p-values = s$test$pvalues)
    ret
}

glance.summary.glht <- function(x,...) {
  data.frame(
    "Model" = "summary.glht",... = ...,"nobs" = stats::nobs(x)
  )
}

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

lme4lmertestmodelsummaryrrregression