Posthoc(计划)的比较作为解释变量的不同级别之间的对比,在fitlme
10视图(30天)
显示旧的评论
我有5个不同的参与者数据评价维度(E),我有安装线性mixed-effects模型,分别为每个评级,与几个固定和随机预测:
资源表(M =。rating_A, M。groupSize, M。气孔导度,M。代表,M。培训,M。id_rater M.melody,“VariableNames”,{“评级”的groupSize气孔导度的“代表”“培训”“id_rater”“旋律”});
公式=“评级~ groupSize +气孔导度+代表+培训+ (1 | id_rater) +(1 |旋律)';
lme三个月。rating_A = fitlme(资源描述、公式);
我感兴趣的是运行其事后(计划)比较不同水平的一些预测,如看一种“学习”会导致更高的rating_A分数坦另一种类型。
在任何情况下,我的统计报告
fitlme
结果说明,解释变量被当作连续的而不是他们事实上是分类变量,所以我从双分类或字符串转换所有的变量,然后
fitlme
不会接受他们作为输入:
M_categ = convertvars (M, {“groupSize”,气孔导度的,“代表”,“id_rater”,“旋律”},“字符串”);%如果转换分类相同,或cellstr
资源表(M_categ =。rating_A M_categ。groupSize M_categ。气孔导度,M_categ。代表,M_categ。培训,M_categ。id_rater M_categ.melody,“VariableNames”,{“评级”的groupSize气孔导度的“代表”“培训”“id_rater”“旋律”});
错误使用classreg.regr.lmeutils.StandardLinearLikeMixedModel / validateInputs
然后我试图通过使用相同
名义()
仍然,这给了一个错误:
资源表(M =。rating_A,名义(M.groupSize)名义(M.cond)名义(M.rep), M。培训、名义(M.id_rater)名义(M.melody),“VariableNames”,{“评级”的groupSize气孔导度的“代表”“培训”“id_rater”“旋律”});
lme三个月。rating_A = fitlme(资源描述、公式);
固定影响设计必须满列秩矩阵X。
任何建议吗?我需要使用一个函数运行LME以外
fitlme
吗?或者我需要打电话
fitlme
用不同的参数(如不同的虚拟编码),之后允许在任何一个给定的回归量比较水平吗?
提前谢谢!