R 因素内方差分析后TukeyHSD
我运行以下命令R 因素内方差分析后TukeyHSD,r,R,我运行以下命令 a1 <- aov(Ratio~(Condition*Event) + Error(Participant/(Condition*Event)), Data) summary(a1) a1aov()withError()返回一个对象,其类为“aovlist”“listof”。TukeyHSD显然没有用于这两个类的方法。库(laercio) library(laercio) some.aov <- aov(Ratio~(Condition*Event) + Error
a1 <- aov(Ratio~(Condition*Event) + Error(Participant/(Condition*Event)), Data)
summary(a1)
a1aov()
withError()
返回一个对象,其类为“aovlist”“listof”
。TukeyHSD显然没有用于这两个类的方法。库(laercio)
library(laercio)
some.aov <- aov(Ratio~(Condition*Event) + Error(Participant/(Condition*Event)), Data)
anova(some.aov)
LTukey(some.aov,"Condition")
AOV作为一种替代传统重复测量方差分析的内标设计,你可以考虑使用线性混合效应方法。它正越来越多地用于科学界,避免了一些方差分析陷阱,同时允许更复杂的误差结构。有了连续响应变量,包就足够了,但您也可以使用它来进一步处理分类响应变量。对于多重比较(包括Tukey的事后测试),则该软件包(请参见
glht()
函数)可用于安装了nlme::lme
的混合效果模型,如下所述:
关于您的设计有一个简短的评论:如果您的响应(因变量)比率是一个比例或一个有界值,您可以考虑使用不同的链接函数。可以提供data.frame的str
。或者更好的是,提供相关对象的dput()
。aov()
withError()
返回一个类为“aovlist”“listof”
的对象。TukeyHSD显然没有用于这两个类的方法。Kevin,为你刚刚写的内容创建一个“答案”,这样我就可以给你评分了。鲜为人知的是laercio包,它也执行相同的测试,可能更容易实现。它不接受那种模型,只有从aov
返回的标准模型没有错误结构(如TukeyHSD
)。