如何解释最小二乘均值和标准误

问题描述

我试图了解我从一个假数据集获得的结果。我有两个自变量，hours，type和响应pain。

第一个问题：82.46721如何计算为第一类的lsmeans？

第二个问题：为什么两种类型的标准误差都完全相同（8.24003）？

第三个问题：为什么两种类型的自由度都为3？

data = data.frame(
  type = c("A","A","B","B"),hours = c(60,72,61,54,68,66),# pain = c(85,95,69,73,29,30)
  pain = c(85,85,69)
)

model = lm(pain ~ hours + type,data = data)  
lsmeans(model,c("type","hours"))

> data
  type hours pain
1    A    60   85
2    A    72   95
3    A    61   69
4    B    54   85
5    B    68   95
6    B    66   69

> lsmeans(model,"hours"))
 type hours   lsmean      SE df lower.CL upper.CL
 A     63.5 82.46721 8.24003  3 56.24376 108.6907
 B     63.5 83.53279 8.24003  3 57.30933 109.7562

解决方法

尝试一下：

newdat <- data.frame(type = c("A","B"),hours = c(63.5,63.5))
predict(model,newdata = newdat)

这里要注意的重要一点是您的模型将hours作为连续的预测变量，而不是一个因素。