AFEchidna示例8--固定效应显著性检验

更新：2022-03-01th

之前，由于代码bug问题，固定效应结果在AFEchidna里未能显示。现已纠正，不过，固定效应是通过较粗放的卡方检验，结果会稍差异于ASReml。即便如此，对于学术研究，也已足够。

简单示例如下：

HT <- echidna(fixed = height ~ 1+Prov, random = ~ Female+Block+Female:Block, residual=~units,es0.file = 'pine_provenance.es0' )

通过原先的wald()函数可以获取Echidna报告的原始结果：

> wald(HT)Wald F statistics
Source of Variation           NumDF     DenDF     F-inc     F-con    P-inc mu                               1       5.7   3566.99   3567.31    <.001Prov                             3      32.0     10.01     10.01    <.001

基于上述结果，编写新函数waldT()进行卡方检验，结果如下：

> waldT(HT)
Wald tests for fixed effects:DF Wald-F Pr(Chisq)
mu    1   3567 3.416e-09 ***
Prov  3     30 8.332e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

多性状的结果展示：

> wald(res12)Wald tests for fixed effects.Wald F statistics
Source of Variation           NumDF     DenDF     F-inc              P-inc Trait                            2            35333.45Trait.Rep                        8               46.62
> waldT(res12)
Wald tests for fixed effects:DF Wald-F Pr(Chisq)
Trait      2  70667 < 2.2e-16 ***
Trait.Rep  8    373 < 2.2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

性状批量分析的结果展示：

> lapply(res22n,waldT)
$`h3 h4 `
Wald tests for fixed effects:DF  Wald-F Pr(Chisq)
Trait       2 14541.7    <2e-16 ***
Trait:Rep   8   373.1    <2e-16 ***
Trait:Plot  6    10.6     0.102
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1$`h3 h5 `
Wald tests for fixed effects:DF  Wald-F Pr(Chisq)
Trait       2 19356.3    <2e-16 ***
Trait:Rep   8   333.4    <2e-16 ***
Trait:Plot  6     6.8    0.3367
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1$`h4 h5 `
Wald tests for fixed effects:DF  Wald-F Pr(Chisq)
Trait       2 19242.1    <2e-16 ***
Trait:Rep   8   315.8    <2e-16 ***
Trait:Plot  6     3.0    0.8087
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

上述结果，比原始的结果更为友好些。

注意：
在最新版本Echidna1.59中，作者Arthur已对固定效应显著性检验做了变化，虽然wald()够用了，但我仍保留waldT()，用以更简洁的结果展示。

参考文献：
Zhang WH, Wei RY, Liu Y, Lin YZ. AFEchidna is a R package for genetic evaluation of plant and animal breeding datasets. BioRxiv. DOI: 10.1101/2021.06.24.449740.

AFEchidna示例8--固定效应显著性检验相关推荐

Python实现固定效应回归模型实现因果关系推断
众所周知,"相关并不意味着因果关系". 我要告诉你,相关可以表示因果关系,但需要一定条件. 这些条件已在计量经济学文献中被广泛讨论. 在本文中,我将以一种易于理解的方式对其进行 ...
Stata：因子变量全攻略-双向固定效应-超越对数生产函数
作者:连玉君 | 杨柳 ( 知乎 | 简书 | 码云 ) 注:该文已发表: 连玉君, 杨柳.<郑州航空工业管理学院学报>, 2018, 36(2): 90-103. [ -点击下载-] ...
使用python实现固定效应模型
固定效应vs随机效应参考:统计学中的「固定效应 vs. 随机效应」 - 知乎 (zhihu.com) FE(固定效应,异质性[非随机]截距):由于面板数据有个体和时间两个维度,所以FE也分为个体固定 ...
跟着开源项目学因果推断——FixedEffectModel 固定效应模型（十七）
这个开源项目来源于快手,当然对于快手的开源项目是有前车之鉴的[生存分析--快手的基于深度学习框架的集成⽣存分析软件KwaiSurvival(一)].KwaiSurvival让我觉得是实验代码,今天要接 ...
R语言线性混合效应模型（固定效应随机效应）和交互可视化3案例
最近我们被客户要求撰写关于线性混合效应模型的研究报告,包括一些图形和统计输出. 视频:线性混合效应模型(LMM,Linear Mixed Models)和R语言实现案例线性混合效应模型(LMM,Li ...
R语言非线性混合效应 NLME模型(固定效应随机效应)对抗哮喘药物茶碱动力学研究
最近我们被客户要求撰写关于非线性混合效应 NLME模型的研究报告,包括一些图形和统计输出. 相关视频:线性混合效应模型(LMM,Linear Mixed Models)和R语言实现线性混合效应模型( ...
时间固定效应和个体固定效应的选择_互助问答第31期：固定效应与随机效应选择和面板数据处理...
样本描述:各位老师好,我的论文采用的是微观面板非平衡数据(合并了3波数据,总观测值6万左右),每波观测之间约有20%的样本不同(约10%的样本流失,10%的新样本补入),因变量是连续变量,核心自变量是 ...
随机效应估算与固定效应估算_一般混合线性模型固定效应、随机效应与另一随机向量的联合估计...
一般混合线性模型固定效应.随机效应与另一随机向量的联合估计周永正 [期刊名称] <数学的实践与认识> [年 ( 卷 ), 期] 2011(041)019 [摘要] 讨论一般混合线性模型 ...
双重差分模型能做固定效应吗_数据分析之道 | 双重差分法(DID)
Picture from Internet DID是什么? 双重差分法(DID)又被称为"倍差法",小名"差中差",是种专门用于分析政策效果的计量方法. 我国最 ...

AFEchidna示例8--固定效应显著性检验

AFEchidna示例8--固定效应显著性检验相关推荐

最新文章

热门文章