异方差下实验组标准误(SE)不同计算方式结果差异问题咨询
核心原因与解决方法
错误点:gls默认仍为同方差假设
你当前调用nlme::gls()的代码没有指定异方差结构,默认和lm()一致使用pooled统一残差方差,因此得到的各组SE差异极小,和你预期的异方差校正结果不符。
要适配不同History*Treatment组合方差差异大的情况,需要通过weights参数指定分组方差结构:
# 定义每个History*Treatment组合拥有独立的残差方差 SM2_het <- gls( Seed_mass_mg ~ History * Treatment, data = data1, na.action = na.omit, weights = varIdent(form = ~ 1 | History * Treatment) ) # 可通过anova对比同方差、异方差模型的拟合效果 anova(SM2, SM2_het)
将上述异方差拟合的SM2_het传入emmeans计算,得到的分组SE就会和你手动计算的结果匹配。
两种计算结果的逻辑差异
- 默认gls输出的SE:基于所有组共享的同一残差方差计算均值标准误,本质还是同方差假设下的结果
- 手动计算的SE:每个组独立计算
组内标准差 / sqrt(组内样本量),不借用其他组的方差信息,属于分组独立的描述性统计结果
适用场景说明
- 若后续需要做组间差异统计检验,优先使用加了异方差结构的gls模型输出的SE,该方法在样本量不均衡时统计效率更高,也符合异方差校正的统计要求
- 若仅做描述性绘图、不需要统计推断,可直接使用手动计算的分组SE
内容的提问来源于stack exchange,提问作者steve
相关产品推荐
相关产品推荐

