В R я ищу способ оценить доверительные интервалы для линейных контрастов для lmer
моделей, которые используют либо степени свободы Кенварда-Роджера, либо Саттертуэйта и SE.
Например, я могу вычислить CI для параметра с фиксированным эффектом в смешанной модели, такой как SAS с R, используя t-значение (с df из KR) и SE.
mod<-lmerTest::lmer(y~time1+treatment+time1:treatment+(1|PersonID),data=data)
lmerTest::summary(mod,ddf = "Kenward-Roger")
Этот вывод:
Fixed effects:
Estimate Std. Error df t value Pr(>|t|)
(Intercept) 49.0768 1.0435 56.4700 47.029 < 2e-16 ***
time1 5.8224 0.5963 48.0000 9.764 5.51e-13 ***
treatment 1.6819 1.4758 56.4700 1.140 0.2592
time1:treatment 2.0425 0.8433 48.0000 2.422 0.0193 *
Разрешает ЭК для time1, например:
5.8224+abs(qt(0.05/2, 48))*0.5963 #7.021342
5.8224-abs(qt(0.05/2, 48))*0.5963 #4.623458
Я хотел бы сделать то же самое для линейного контраста фиксированных коэффициентов. Это p-значение, но выход SE отсутствует.
pbkrtest::KRmodcomp(mod,matrix(c(0,0,1,0),nrow = 1))
stat ndf ddf F.scaling p.value
Ftest 1.2989 1.0000 56.4670 1 0.2592
Можно ли каким-либо образом получить SE или CI из более линейных контрастов, использующих этот тип df?