在试图得到K-R自由度的经验分布时遇到了这个问题...
这看起来是相当危险的行为吗?它是否构成了一个bug?
可重现的例子:
## import lmerTest package
library(lmerTest)
## an object of class merModLmerTest
m <- lmer(Informed.liking ~ Gender+Information+Product +(1|Consumer), data=ham)
# simulate data from fitted model
simData=ham
simData$Informed.liking=
我最近更新到了R版本3.5.0和R Studio版本1.1.447 (Mac El Capitan 10.11.6)。当我试图整理(用包扫把)用包'lmerTest‘创建的对象时,我得到一个错误信息:
Error in vector(type, length) :
vector: cannot make a vector of mode 'NULL'.
在早期版本中,我没有这个问题,这就是我所做的,这导致了错误消息:
library(lmerTest)
data(sleepstudy)
lmm1 <- lmer(Reaction ~ Days + (Da
我使用lmerTest和lme4运行了以下模型
model2 = lmer(log(RT)~Group*A*B*C+(1|item)+(1+A+B+C|subject),data=dt)
使用lmerTest 输入命令时会出现以下错误:
> summary(model1)
Error in `colnames<-`(`*tmp*`, value = c("Estimate", "Std. Error", "df", :
length of 'dimnames' [2] not equal to array ex
我试图在两个不同的数据集上执行一个lmerTest,出于某种原因,我得到了其中一个数据集的以下错误。
在pf(F.stat,qr(Lc)$rank,nu.F)中: NaNs产生
给出了habitat和soil之间相互作用项的p值,没有问题.
anova(lmer(sqrt(abs) ~栖息地*土壤+(1种),data=frl_light,REML=T)
Analysis of Variance Table of type III with Satterthwaite
approximation for degrees of freedom
S
我正在编写一个自定义函数,它在purrr::map的帮助下为列表中的每个元素建立线性混合效果模型。代码块运行得非常好,但是当我将其转换为自定义函数时,还不清楚应该如何输入与list元素中的单个列对应的参数。
如果我让这个自定义函数正常工作,我可以用它来处理任意多的变量。否则,我将不得不对不同的变量保持复制粘贴相同的代码。
# libraries needed
library(purrr)
library(lmerTest)
data(mtcars)
# create a list of dataframes from mtcars based on a split
group_list &l
这是我的以下脚本: library(lme4)
library(RColorBrewer) # needed for some extra colors in one of the graphs
library(lmerTest)# to get p-value estimations that are not part of the standard lme4 packages
lear<-read.csv("C:/Users/Liat/Documents/R/liat_data.csv")
colnames(lear) = c("participant
我使用的是lme4包和lmerTest中的lmer。我的回归如下所示: r1 <- lmer(a ~ b + c + as.factor(d) + (1 | e), data = df) 我想使用stargazer,并使用以下代码: stargazer(r1, type = "text") 然而,它不起作用。R返回此错误: Error in objects[[i]]$zelig.call : $ operator not defined for this S4 class 实际上我不知道问题是什么,我已经检查了是否有相互不兼容的包,但似乎不是这样的。有没有人知道问题出在
使用dat (found ),我运行了以下模型:
library(lmerTest)
model <- lmerTest::lmer(eval ~ post + ess + post*ess + (1|ID), data = dat)
summary(model)的输出表明交互项是重要的:
Linear mixed model fit by REML. t-tests use Satterthwaite's method ['lmerModLmerTest']
Formula: eval ~ post + ess + ess * post + (1 | ID)