R help es - Jan 2013 - Mixed effects para factores y no para covariables. Guia y dudas

Hola buenas tras meses investigando como hacer anovas para factores con
efectos fijos y efectos aleatorios, he encontrado una serie de funciones
que satisfacen mis pretensiones y creo correctas en cierta medida. Me
gustaría compartirlas con vosotros con doble intención, la primera es
compartirla para que si otro se encuentra en esta situación que tenga el
trabajo hecho y la segunda es que sean criticadas por los que más saben.
Pues hasta hace poco yo era alumno, pero ahora he de ser autodidacta.

Mis dudas están en las comparaciones multiples con interacción y en maneras
mejores de hacer el tamaño del efecto.

Muchas gracias por adelantado y un saludo.



#---------------------------------------------------------------------------------------------------------

# Cargo paquetes

rm(list=ls())


 require(lme4)

require(multcomp)

require(languageR)

require(LMERConvenienceFunctions)

#---------------------------------------------------------------------------------------------------------

# Mirams los datos

data(latinsquare)

head(latinsquare)

summary(latinsquare)

#---------------------------------------------------------------------------------------------------------

mod <- lmer(formula= RT ~ SOA+Word +(1|Subject), data=latinsquare)

mod

# ¿Creamos inteacción? Esto no se si es muy correcto

latinsquare$SoaWord <- factor(paste(latinsquare$SOA, latinsquare$Word))

modI <- lmer(formula= RT ~ SoaWord +(1|Subject), data=latinsquare)

#---------------------------------------------------------------------------------------------------------

# Manera más complicada languageR.

mcmc <- pvals.fnc(mod, nsim=1000, withMCMC=TRUE)

aovlmer.fnc(mod, mcmc= mcmc$mcmc, which=c("SOAmedium",
"SOAshort"))

aovlmer.fnc(mod, mcmc= mcmc$mcmc, which=c("WordW10",
"WordW11", "WordW12",
"WordW2" , "WordW3" , "WordW4", "WordW5"
, "WordW6" ,"WordW7" ,"WordW8" ,
"WordW9" ))



 # O más facil con LMERConvenienceFunctions

pamer.fnc(mod)

pamer.fnc(modI)

# Que nos da el tamaño del efecto entendido como variabilidad explicada




#---------------------------------------------------------------------------------------------------------

# Tamaño del efecto según languageR definido como diferencias entre máximo
y minimo, esto de normal no vale.

dfr <- plotLMER.fnc(mod, pred = "Word", withList=TRUE)

max(dfr$Word$Y)-min(dfr$Word$Y)




#---------------------------------------------------------------------------------------------------------

# Comparaciones post hoc

summary(glht(model= mod,linfct=mcp(Word="Tukey")))

# Interacciones

summary(glht(model= modI,linfct=mcp(SoaWord="Tukey")))

	[[alternative HTML version deleted]]