lmer の結果です (返されたオブジェクトそのもので、コピーではありません)。
対比 1 つ、または対比の配列 (行) です。
Optionaloptions: LmerContestOptions & { joint?: true }
rhs、joint、confint、level。
// R: contest(lmerTest::lmer(y ~ x + (1 | g), data), c(0, 1), joint = FALSE)
const fit = lmer("y ~ x + (1 | g)", {
y: [3.1, 4.0, 5.2, 6.8, 7.1, 8.3, 2.2, 3.5, 3.9, 5.9, 6.1, 7.4],
x: [1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3],
g: ["a", "a", "a", "b", "b", "b", "c", "c", "c", "d", "d", "d"],
});
const t = lmerContest(fit, [0, 1], { joint: false });
t.estimate; // [0.85]
t.lower; // [0.60388]
// R: contest(fit, diag(2))
const f = lmerContest(fit, [[1, 0], [0, 1]]);
f.numDF; // [2]
f.F; // [47.804]
lmer で当てはめた線形混合モデルの固定効果について、対比 L β = rhs を検定します。自由度は Satterthwaite のものです。R の lmerTest::contest() と同等です。
L は 1 つの対比 (ベクトル。固定効果ごとに 1 つの値) か、複数 (行の配列) です。既定では、行は同時に検定されます。これは、仮説の F 検定を固有ベクトルに回転したものです (線形従属な行は 1 回として数えます。ランクが 0 の行の集合は空の表になります)。joint: false の場合は、行ごとに自身の t 検定を行い、confint が false でない限り、level の信頼区間を付けます。自由度は、厳密な最適点での解析的な導関数から求めます (lmerSummary を参照)。
lmer の結果です (返されたオブジェクトそのもので、コピーではありません)。
対比 1 つ、または対比の配列 (行) です。
rhs、joint、confint、level。
// R: contest(lmerTest::lmer(y ~ x + (1 | g), data), c(0, 1), joint = FALSE)
const fit = lmer("y ~ x + (1 | g)", {
y: [3.1, 4.0, 5.2, 6.8, 7.1, 8.3, 2.2, 3.5, 3.9, 5.9, 6.1, 7.4],
x: [1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3],
g: ["a", "a", "a", "b", "b", "b", "c", "c", "c", "d", "d", "d"],
});
const t = lmerContest(fit, [0, 1], { joint: false });
t.estimate; // [0.85]
t.lower; // [0.60388]
// R: contest(fit, diag(2))
const f = lmerContest(fit, [[1, 0], [0, 1]]);
f.numDF; // [2]
f.F; // [47.804]
lmer で当てはめた線形混合モデルの固定効果について、対比 L β = rhs を検定します。自由度は Satterthwaite のものです。R の lmerTest::contest() と同等です。
L は 1 つの対比 (ベクトル。固定効果ごとに 1 つの値) か、複数 (行の配列) です。既定では、行は同時に検定されます。これは、仮説の F 検定を固有ベクトルに回転したものです (線形従属な行は 1 回として数えます。ランクが 0 の行の集合は空の表になります)。joint: false の場合は、行ごとに自身の t 検定を行い、confint が false でない限り、level の信頼区間を付けます。自由度は、厳密な最適点での解析的な導関数から求めます (lmerSummary を参照)。
lmer の結果です (返されたオブジェクトそのもので、コピーではありません)。
対比 1 つ、または対比の配列 (行) です。
Optionaloptions: LmerContestOptions
rhs、joint、confint、level。
// R: contest(lmerTest::lmer(y ~ x + (1 | g), data), c(0, 1), joint = FALSE)
const fit = lmer("y ~ x + (1 | g)", {
y: [3.1, 4.0, 5.2, 6.8, 7.1, 8.3, 2.2, 3.5, 3.9, 5.9, 6.1, 7.4],
x: [1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3],
g: ["a", "a", "a", "b", "b", "b", "c", "c", "c", "d", "d", "d"],
});
const t = lmerContest(fit, [0, 1], { joint: false });
t.estimate; // [0.85]
t.lower; // [0.60388]
// R: contest(fit, diag(2))
const f = lmerContest(fit, [[1, 0], [0, 1]]);
f.numDF; // [2]
f.F; // [47.804]
lmer で当てはめた線形混合モデルの固定効果について、対比 L β = rhs を検定します。自由度は Satterthwaite のものです。R の
lmerTest::contest()と同等です。Lは 1 つの対比 (ベクトル。固定効果ごとに 1 つの値) か、複数 (行の配列) です。既定では、行は同時に検定されます。これは、仮説の F 検定を固有ベクトルに回転したものです (線形従属な行は 1 回として数えます。ランクが 0 の行の集合は空の表になります)。joint: falseの場合は、行ごとに自身の t 検定を行い、confintが false でない限り、levelの信頼区間を付けます。自由度は、厳密な最適点での解析的な導関数から求めます (lmerSummary を参照)。