如何使用混合效应模型对交互作用词进行事后比较？

我正在研究一个数据集，以评估干燥对沉积物微生物活动的影响。目的是确定干燥的影响是否随沉积物类型和/或沉积物中深度的变化而变化。

实验设计如下：

• 第一因子沉积物对应于三种沉积物类型（编码为Sed1，Sed2，Sed3）。对于每种沉积物，在三个地点进行采样（Sed1为3个地点，Sed2为3个地点，Sed3为3个地点）。
• 网站编码：Site1，Site2，...，Site9。
• 下一个因素是水文：在每个站点内，在干地和湿地（编码为干/湿）中进行采样。

在每个上一个图中，以两个深度（D1，D2）一式三份进行采样。

总共有n = 108个样本= 3个沉积物* 3个地点* 2个水文学* 2个深度* 3个重复项。

我lme()在R（nlme软件包）中使用该函数，如下所示：

Sediment <- as.factor(rep(c("Sed1","Sed2","Sed3"),each=36))
Site <- as.factor(rep(c("Site1","Site2","Site3","Site4","Site5",            
                        "Site6","Site7","Site8","Site9"),each=12))
Hydrology <- as.factor(rep(rep(c("Dry","Wet"),each=6),9))
Depth <- as.factor(rep(rep(c("D1","D2"),each=3),18))
Variable <- rnorm(108)

mydata <- data.frame(Sediment,Site,Hydrology,Depth,Variable)

mod1 <- lme(Variable ~ Sediment*Hydrology*Depth, data=mydata, 
             random=~1|Site/Hydrology/Depth)
anova(mod1)

我想进行事后比较，以测试一个术语是否有意义。

我能够做到这一点，以获得简单的主要效果（例如，沉积物）：

summary(glht(mod1,linfct=mcp(Sediment="Tukey")))

但是该glht()功能不适用于交互条件。

我发现以下方法可以用于两向方差分析：

mod1 <- lme(Variable~Sediment*Hydrology, data=mydata, 
            random=~1|Site/Hydrology)
mydata$SH <- interaction(mydata$Sediment, mydata$Hydrology)
mod2 <- lme(Variable ~ -1 + SH, data=mydata, random=~1|Site/Hydrology)
summary(glht(mod2, linfct=mcp(SH="Tukey")))

如果是三向方差分析，是否可以使用相同的方法？在这种情况下对交互条件进行事后比较的任何帮助将不胜感激。

我发现“ lsmeans”包非常有用，尤其是在存在ax * z * v交互时。但是，该软件包仅适用于R的较新版本。

http://cran.r-project.org/web/packages/lsmeans/vignettes/using-lsmeans.pdf

您是说要对这三个因素进行成对比较吗？

mod1<-lme(Variable~Sediment*Hydrology*Depth, data=mydata, random=~1|Site/Hydrology/Depth)
mydata$SHD<-interaction(mydata$Sediment,mydata$Hydrology,mydata$Depth)
mod2<-lme(Variable~-1+SHD, data=mydata, random=~1|Site/Hydrology/Depth)
summary(glht(mod2,linfct=mcp(SHD="Tukey")))