lmerモデルに使用する多重比較方法：lsmeansまたはglht？

1つの固定効果（条件）と2つのランダム効果（被験者内のデザインとペアによる参加者）を含む混合効果モデルを使用して、データセットを分析しています。モデルはlme4パッケージで生成されました：exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp)。

次に、固定効果（条件）のないモデルに対してこのモデルの尤度比検定を実行しましたが、有意差があります。データセットには3つの条件があるため、多重比較を行いたいのですが、どの方法を使用すればよいかわかりません。CrossValidatedや他のフォーラムで同様の質問をいくつか見つけましたが、それでもかなり混乱しています。

私が見たものから、人々は使用することを提案しました

1.lsmeansパッケージ- lsmeans(exp.model,pairwise~condition)私に次のような出力が得られます。

condition     lsmean         SE    df  lower.CL  upper.CL
 Condition1 0.6538060 0.03272705 47.98 0.5880030 0.7196089
 Condition2 0.7027413 0.03272705 47.98 0.6369384 0.7685443
 Condition3 0.7580522 0.03272705 47.98 0.6922493 0.8238552

Confidence level used: 0.95 

$contrasts
 contrast                   estimate         SE    df t.ratio p.value
 Condition1 - Condition2 -0.04893538 0.03813262 62.07  -1.283  0.4099
 Condition1 - Condition3 -0.10424628 0.03813262 62.07  -2.734  0.0219
 Condition2 - Condition3 -0.05531090 0.03813262 62.07  -1.450  0.3217

P value adjustment: tukey method for comparing a family of 3 estimates 

2.multcomp 2つの異なる方法でパッケージ-使用してmcp glht(exp.model,mcp(condition="Tukey"))、その結果

     Simultaneous Tests for General Linear Hypotheses

Multiple Comparisons of Means: Tukey Contrasts


Fit: lmer(formula = outcome ~ condition + (1 | participant) + (1 | pair), 
    data = exp, REML = FALSE)

Linear Hypotheses:
                             Estimate Std. Error z value Pr(>|z|)  
Condition2 - Condition1 == 0  0.04894    0.03749   1.305    0.392  
Condition3 - Condition1 == 0  0.10425    0.03749   2.781    0.015 *
Condition3 - Condition2 == 0  0.05531    0.03749   1.475    0.303  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Adjusted p values reported -- single-step method)

そして、使用lsm glht(exp.model,lsm(pairwise~condition))中の得られました

Note: df set to 62

     Simultaneous Tests for General Linear Hypotheses

Fit: lmer(formula = outcome ~ condition + (1 | participant) + (1 | pair), 
    data = exp, REML = FALSE)

Linear Hypotheses:
                             Estimate Std. Error t value Pr(>|t|)  
Condition1 - Condition2 == 0 -0.04894    0.03749  -1.305   0.3977  
Condition1 - Condition3 == 0 -0.10425    0.03749  -2.781   0.0195 *
Condition2 - Condition3 == 0 -0.05531    0.03749  -1.475   0.3098  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Adjusted p values reported -- single-step method)

ご覧のとおり、メソッドは異なる結果をもたらします。Rと統計情報を扱うのはこれが初めてなので、何かがおかしいかもしれませんが、どこがわからないでしょう。私の質問は：

提示された方法の違いは何ですか？関連する質問への回答で、それは自由度に関するものだと読みました（lsmeansvs. glht）。 どのタイプを使用するか、つまり、方法1がこのタイプのデータセット/モデルなどに適している場合、いくつかのルールや推奨事項はありますか？ どの結果を報告する必要がありますか？よく知らなくても、おそらく安全にプレイするために得た最高のp値を報告するだけですが、もっと良い理由があるといいでしょう。ありがとう

完全な答えではありません...

glht(myfit, mcp(myfactor="Tukey"))他の2つの方法との違いは、この方法では「z」統計（正規分布）が使用されるのに対して、他の方法では「t」統計（学生分布）が使用されることです。「z」統計は、無限の自由度を持つ「t」統計と同じです。この方法は漸近的な方法であり、他の方法よりも小さいp値と短い信頼区間を提供します。データセットが小さい場合、p値が小さすぎる可能性があり、信頼区間が短すぎる可能性があります。

実行するとlsmeans(myfit, pairwise~myfactor)、次のメッセージが表示されます。

Loading required namespace: pbkrtest

つまり、lsmeans（lmerモデルの場合）pbkrtest"t"統計の自由度に対してKenward＆Rogersメソッドを実装するパッケージを使用します。この方法は、漸近的なものよりも優れたp値と信頼区間を提供することを目的としています（自由度が大きい場合、違いはありません）。

さて、違いについてlsmeans(myfit, pairwise~myfactor)$contrastsとglht(myfit, lsm(pairwise~factor)、私はいくつかのテストを行っていると私の観察は以下のものです：

• lsmlsmeansパッケージとパッケージ間のインターフェースですmultcomp（を参照?lsm）

• バランスの取れたデザインの場合、結果に違いはありません

• 不均衡な設計の場合、結果（標準誤差とt比）にわずかな違いが見られました。

残念ながら、これらの違いの原因はわかりません。線形仮説行列と自由度を取得するだけのlsm呼び出しのように見えますが、標準誤差の計算には別の方法を使用します。lsmeanslsmeans