如何在agricolae软件包中执行事后测试，Tukey？

我是和你一起做的

library(lsmeans)

及

但我感兴趣的是，在

agricolae

package中，如何在R中进行TW方差分析后进行事后测试

structure( list(Treatment = structure(c(3L, 3L, 3L, 3L, 3L, 3L,
    3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L), .Label = c("Control", "Nitrogen", "Salt"
    ), class = "factor"), Stage = structure(c(1L, 1L, 1L, 2L, 2L, 
    2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 
    2L, 2L, 2L, 3L, 3L, 3L), .Label = c("Green", "Pink", "Red"), class = "factor"), 
   Chlorophyll = c(0.2, 0.3, 0.4, 0.5, 0.3, 0.2, 0.5, 0.6, 0.7, 
   0.4, 0.6, 0.9, 0.2, 0.3, 0.5, 0.4, 0.2, 0.3, 0.5, 0.6, 0.8, 
   0.5, 0.4, 0.6, 0.2, 0.3, 0.1)), .Names = c("Treatment", "Stage", 
   "Chlorophyll"), class = "data.frame", row.names = c(NA, -27L)
    )

平均值分离后，我们如何用组号/字母绘制每个阶段的图表

---

我假设您希望根据

治疗

、

阶段

和交互作用

治疗*阶段

对数据进行分组

在进行两两方差分析之前，计算比较次数是有指导意义的：

Treatment

和

Stage

各有3个级别，因此我们分别有

choose（length（levels）（levels（df$Treatment）），2）=3

和

choose（length（levels（df$Stage）），2）

比较；对于相互作用项，我们必须考虑<代码>处理< <代码>和<代码>阶段< /代码>

之间的所有可能组合。

combn_interact <- apply(
    expand.grid(levels(df$Treatment), levels(df$Stage)), 
    1, 
    paste, collapse = ":");
combn_interact;
#[1] "Control:Green"  "Nitrogen:Green" "Salt:Green"     "Control:Pink"
#[5] "Nitrogen:Pink"  "Salt:Pink"      "Control:Red"    "Nitrogen:Red"
#[9] "Salt:Red"

我们现在使用

DescTools

库中的

PostHocTest

执行事后检验，以解释多个假设检验。存在不同的方法来纠正p值，这里我们使用测试

绘制各组值的分布图需要对我们的3个

治疗

、3个

阶段

和36个

治疗*阶段

比较的每个相关组进行观察。例如，对于3

治疗

比较，您可以

df %>%
    ggplot(aes(x = Treatment, y = Chlorophyll)) +
    geom_boxplot() +
    geom_jitter(width = 0.2)

与事后检验的结果一致，三种分布之间的平均值没有统计学上的显著变化

其他的情节也一样简单，我会让你决定

---

样本数据

---

df我很高兴向您展示一个如何执行事后测试的示例；但是现在我对你的问题不是很清楚。（1） 您使用的是线性模型
lm
，但在进行方差分析后，请参考事后测试。这是两件不同的事情。假设您希望执行多个方差分析（然后使用事后检验纠正多个假设检验）：数据在哪里（即值和组标签）？（2） 显示一个箱线图，但给出的数据完全不相关。这个阴谋是从哪里来的？[…][续]（3）agricolae

软件包与它有什么关系？这就是数据的来源吗？数据集的名称是什么？（4）

lsmeans

和

multcomp

在哪里起作用？这些包裹是做什么的？谢谢毛里塔尼亚·埃弗斯。au:）也许我没有很好地解释这一点，在R中运行2向方差分析后，我需要帮助对我的组数据（治疗、阶段和if交互）进行平均值比较（事后测试）。我不确定如何执行Tukey HSD。在事后测试之后，我想绘制上面这样的BP图，用字母或星星表示不同的显著性。这只是一个示例数据。我有一个很大的df，正在考虑如何进行分析。如果可能的话，我会很感激你的帮助。嗨@Kynda。请看下面我的答案；对于事后测试，我推荐

DescTools

库中的

PostHocTest

；我还添加了一个示例绘图作为起点。谢谢Evers博士，此绘图代码不适用于我的数据框，为什么在这里使用管道%>%。。。我尝试了下面的代码，它可以用ggplot（df，aes（x=generic，y=k））+geom_bar（）+geom_jitter（width=0.2）很好，我现在对方块图不感兴趣。如何将其更改为带有标准错误的条形图。我不确定在哪一步我必须平均结果。如果可能的话，我将非常感谢你的帮助。谢谢。@Kynda因为您是在比较分布的平均值，所以箱线图比条形图是更明智的可视化选择。关于一般的绘图，您需要查看许多可用的R绘图教程中的一些。我通常推荐

ggplot

，但你也可以使用base R。我建议在答案旁边设置复选标记来结束这个问题；如果你在绘图方面遇到问题，你应该问一个新问题。通常的策略是每个帖子一个问题。这使得其他人更容易找到解决方案并提供帮助。

model <- aov(Chlorophyll ~ Treatment + Stage + Treatment*Stage, data = df);

library(DescTools);
PostHocTest(model, method = "hsd")

#  Posthoc multiple comparisons of means : Tukey HSD
#    95% family-wise confidence level
#
#$Treatment
#                        diff     lwr.ci    upr.ci   pval
#Nitrogen-Control -0.02222222 -0.1939346 0.1494902 0.9418
#Salt-Control     -0.03333333 -0.2050457 0.1383791 0.8744
#Salt-Nitrogen    -0.01111111 -0.1828235 0.1606013 0.9851
#
#$Stage
#                  diff     lwr.ci     upr.ci   pval
#Pink-Green -0.13333333 -0.3050457 0.03837906 0.1455
#Red-Green  -0.15555556 -0.3272679 0.01615684 0.0797 .
#Red-Pink   -0.02222222 -0.1939346 0.14949017 0.9418
#
#$`Treatment:Stage`
#                                      diff      lwr.ci      upr.ci   pval
#Nitrogen:Green-Control:Green  0.000000e+00 -0.40832017  0.40832017 1.0000
#Salt:Green-Control:Green     -3.333333e-01 -0.74165350  0.07498684 0.1643
#Control:Pink-Control:Green   -1.333333e-01 -0.54165350  0.27498684 0.9586
#Nitrogen:Pink-Control:Green  -3.000000e-01 -0.70832017  0.10832017 0.2624
#Salt:Pink-Control:Green      -3.000000e-01 -0.70832017  0.10832017 0.2624
#Control:Red-Control:Green    -4.333333e-01 -0.84165350 -0.02501316 0.0327 *
#Nitrogen:Red-Control:Green   -3.333333e-01 -0.74165350  0.07498684 0.1643
#Salt:Red-Control:Green       -3.333333e-02 -0.44165350  0.37498684 1.0000
#Salt:Green-Nitrogen:Green    -3.333333e-01 -0.74165350  0.07498684 0.1643
#Control:Pink-Nitrogen:Green  -1.333333e-01 -0.54165350  0.27498684 0.9586
#Nitrogen:Pink-Nitrogen:Green -3.000000e-01 -0.70832017  0.10832017 0.2624
#Salt:Pink-Nitrogen:Green     -3.000000e-01 -0.70832017  0.10832017 0.2624
#Control:Red-Nitrogen:Green   -4.333333e-01 -0.84165350 -0.02501316 0.0327 *
#Nitrogen:Red-Nitrogen:Green  -3.333333e-01 -0.74165350  0.07498684 0.1643
#Salt:Red-Nitrogen:Green      -3.333333e-02 -0.44165350  0.37498684 1.0000
#Control:Pink-Salt:Green       2.000000e-01 -0.20832017  0.60832017 0.7303
#Nitrogen:Pink-Salt:Green      3.333333e-02 -0.37498684  0.44165350 1.0000
#Salt:Pink-Salt:Green          3.333333e-02 -0.37498684  0.44165350 1.0000
#Control:Red-Salt:Green       -1.000000e-01 -0.50832017  0.30832017 0.9927
#Nitrogen:Red-Salt:Green       3.885781e-16 -0.40832017  0.40832017 1.0000
#Salt:Red-Salt:Green           3.000000e-01 -0.10832017  0.70832017 0.2624
#Nitrogen:Pink-Control:Pink   -1.666667e-01 -0.57498684  0.24165350 0.8718
#Salt:Pink-Control:Pink       -1.666667e-01 -0.57498684  0.24165350 0.8718
#Control:Red-Control:Pink     -3.000000e-01 -0.70832017  0.10832017 0.2624
#Nitrogen:Red-Control:Pink    -2.000000e-01 -0.60832017  0.20832017 0.7303
#Salt:Red-Control:Pink         1.000000e-01 -0.30832017  0.50832017 0.9927
#Salt:Pink-Nitrogen:Pink      -5.551115e-17 -0.40832017  0.40832017 1.0000
#Control:Red-Nitrogen:Pink    -1.333333e-01 -0.54165350  0.27498684 0.9586
#Nitrogen:Red-Nitrogen:Pink   -3.333333e-02 -0.44165350  0.37498684 1.0000
#Salt:Red-Nitrogen:Pink        2.666667e-01 -0.14165350  0.67498684 0.3967
#Control:Red-Salt:Pink        -1.333333e-01 -0.54165350  0.27498684 0.9586
#Nitrogen:Red-Salt:Pink       -3.333333e-02 -0.44165350  0.37498684 1.0000
#Salt:Red-Salt:Pink            2.666667e-01 -0.14165350  0.67498684 0.3967
#Nitrogen:Red-Control:Red      1.000000e-01 -0.30832017  0.50832017 0.9927
#Salt:Red-Control:Red          4.000000e-01 -0.00832017  0.80832017 0.0574 .
#Salt:Red-Nitrogen:Red         3.000000e-01 -0.10832017  0.70832017 0.2624
#
#---
#Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

df %>%
    ggplot(aes(x = Treatment, y = Chlorophyll)) +
    geom_boxplot() +
    geom_jitter(width = 0.2)

df <- structure( list(Treatment = structure(c(3L, 3L, 3L, 3L, 3L, 3L,
    3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L,
    1L, 1L, 1L, 1L, 1L), .Label = c("Control", "Nitrogen", "Salt"
    ), class = "factor"), Stage = structure(c(1L, 1L, 1L, 2L, 2L,
    2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L,
    2L, 2L, 2L, 3L, 3L, 3L), .Label = c("Green", "Pink", "Red"), class = "factor"),
   Chlorophyll = c(0.2, 0.3, 0.4, 0.5, 0.3, 0.2, 0.5, 0.6, 0.7,
   0.4, 0.6, 0.9, 0.2, 0.3, 0.5, 0.4, 0.2, 0.3, 0.5, 0.6, 0.8,
   0.5, 0.4, 0.6, 0.2, 0.3, 0.1)), .Names = c("Treatment", "Stage",
   "Chlorophyll"), class = "data.frame", row.names = c(NA, -27L)
    )