如何解决p值直方图对线性混合模型的随机效应有效吗？
我最近遇到过这篇文章：http://varianceexplained.org/statistics/interpreting-pvalue-histogram/ 很高兴能更好地理解我的结果的含义，但是我还有一个问题可以缝以找到答案。
为了给您提供一些背景信息，我使用DNA甲基化数据研究了锻炼后可能发生的变化。我的兴趣在于在个人层面上的回应。为了能够研究个体水平上DNA甲基化的一致变化，我们进行了重复的测试干预，在干预过程中（基线，4周，8周，12周），我们收集了样本用于分析多个时间点。我们可以建立单个坡度并观察参与者是否表现出一致变化的方法。我的模型如下：
lmer(DNAmethylation ~ Timepoint + Age + (1+Timepoint|ID),data=data)
时间点被编码为连续的（1,2,3,4）
此模型的固定效应为我提供了与DNA甲基化相关的组水平变化的信息，而随机效应为我提供了单个水平的信息。获得结果后，我创建了p值的直方图（请参见附件）。固定效果的直方图看起来还不错，并且我有一个反保守的p值，对于那些我可以继续进行分析并更正多次测试的权利？
但是对于随机效应，我得到了保守的p值，在您的帖子中，您暗示我的测试可能有问题。我只是不知道会发生什么，因为我一直在根据其他出版物和生物信息学家的建议使用这种模型。 p值直方图可能不适合随机效果吗？在这种情况下您会怎么做？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。