R中方差分析的TurkeyHSD包括意外比较

我有一个部分如下所示的数据集。我已经使用方差分析来观察性别之间的差异，以区域作为协变量。然而，当使用TukeyHSD进行多重比较校正时，我发现is显示的比较比必要的多（如下所示）。我唯一感兴趣的部分是第一行（即每个区域内的M与F），而不是区域之间的。有没有办法在anova模型或Tukey中说明这一点？谢谢

ID  Age Sex Hemi Region value
1   62  M   R   a   1.81
2   62  M   R   a   1.90
3   72  M   R   a   2.25
1   61  M   L   a   1.58
2   57  F   L   a   2.66
3   62  M   L   a   2.19
1   72  M   R   b   1.93
2   64  F   R   b   1.07
3   65  F   R   b   1.37
1   64  M   L   b   0.97
2   77  F   L   b   1.59
3   27  M   L   b   1.84

model=aov（value~Sex*区域，data=data

TukeyHSD（型号）

---

当然有。排除模型中的交互项

> my.data <- data.frame(y = rnorm(100), region = rep(c("a", "b"), each = 50), gender = sample(c("M", "F"), 100, replace = TRUE))
> head(my.data)
           y region gender
1  0.3333316      a      M
2  1.6364059      a      F
3  0.6679500      a      F
4 -0.7460313      a      M
5  0.7327712      a      F
6 -0.8305134      a      M
> tail(my.data)
               y region gender
95  -1.387498267      b      F
96   0.124378046      b      M
97  -0.568782743      b      M
98  -0.004699849      b      M
99  -1.449213423      b      F
100 -1.146313313      b      F
> 
> mdl1 <- aov(y ~ region * gender, data = my.data)
> TukeyHSD(mdl1)
  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = y ~ region * gender, data = my.data)

$region
          diff        lwr       upr     p adj
b-a -0.0140727 -0.4041448 0.3759994 0.9430592

$gender
        diff        lwr       upr     p adj
M-F -0.13387 -0.5267813 0.2590414 0.5004702

$`region:gender`
               diff        lwr        upr     p adj
b:F-a:F -0.57419765 -1.3487805 0.20038521 0.2191452
a:M-a:F -0.63398152 -1.3658935 0.09793048 0.1136445
b:M-a:F -0.20795605 -0.9398681 0.52395596 0.8794703
a:M-b:F -0.05978387 -0.7916959 0.67212813 0.9965356
b:M-b:F  0.36624160 -0.3656704 1.09815361 0.5599334
b:M-a:M  0.42602548 -0.2605688 1.11261980 0.3710470

> 
> mdl2 <- update(mdl1, . ~ region + gender)
> TukeyHSD(mdl2)
  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = y ~ region + gender, data = my.data)

$region
          diff        lwr       upr     p adj
b-a -0.0140727 -0.4147704 0.3866251 0.9445724

$gender
        diff        lwr       upr     p adj
M-F -0.13387 -0.5374843 0.2697444 0.5119119

>my.data头（my.data）
y区性别
上午10时3333316分
2 1.6364059 a F
30.6679500华氏度
上午4时至0.7460313
50.7327712华氏度
6-0.8305134 a M
>尾部（my.data）
y区性别
95-1.387498267华氏度
960.124378046亿立方米
97-0.568782743亿立方米
98-0.004699849亿立方米
99-1.449213423华氏度
100-1.146313bF
> 
>mdl1 TukeyHSD（mdl1）
Tukey平均数的多重比较
95%的家庭信心水平
拟合：aov（公式=y~区域*性别，数据=my.data）
$region
差动lwr upr p调整
b-a-0.0140727-0.4041448 0.3759994 0.9430592
$性别
差动lwr upr p调整
M-F-0.13387-0.5267813 0.2590414 0.5004702
$`区域：性别`
差动lwr upr p调整
b:F-a:F-0.57419765-1.3487805 0.20038521 0.2191452
a:M-a:F-0.63398152-1.3658935 0.09793048 0.1136445
b:M-a:F-0.20795605-0.9398681 0.52395596 0.8794703
a:M-b:F-0.05978387-0.7916959 0.67212813 0.9965356
b:M-b:F 0.36624160-0.3656704 1.09815361 0.5599334
b:M-a:M 0.42602548-0.2605688 1.11261980 0.3710470
> 
>mdl2 TukeyHSD（mdl2）
Tukey平均数的多重比较
95%的家庭信心水平
拟合：aov（公式=y~地区+性别，数据=my.data）
$region
差动lwr upr p调整
b-a-0.0140727-0.4147704 0.3866251 0.9445724
$性别
差动lwr upr p调整
M-F-0.13387-0.5374843 0.2697444 0.5119119

如果你想删除/保留特定条款，你可以这样做

> tk <- TukeyHSD(mdl1)
> str(tk)
List of 3
 $ region       : num [1, 1:4] -0.0141 -0.4041 0.376 0.9431
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr "b-a"
  .. ..$ : chr [1:4] "diff" "lwr" "upr" "p adj"
 $ gender       : num [1, 1:4] -0.134 -0.527 0.259 0.5
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr "M-F"
  .. ..$ : chr [1:4] "diff" "lwr" "upr" "p adj"
 $ region:gender: num [1:6, 1:4] -0.5742 -0.634 -0.208 -0.0598 0.3662 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr [1:6] "b:F-a:F" "a:M-a:F" "b:M-a:F" "a:M-b:F" ...
  .. ..$ : chr [1:4] "diff" "lwr" "upr" "p adj"
 - attr(*, "class")= chr [1:2] "TukeyHSD" "multicomp"
 - attr(*, "orig.call")= language aov(formula = y ~ region * gender, data = my.data)
 - attr(*, "conf.level")= num 0.95
 - attr(*, "ordered")= logi FALSE
> rntk <- rownames(tk[["region:gender"]])
> tk[["region:gender"]] <- tk[["region:gender"]][grepl("b:F-a:F|a:M-a:F", rntk), ]
> tk
  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = y ~ region * gender, data = my.data)

$region
          diff        lwr       upr     p adj
b-a -0.0140727 -0.4041448 0.3759994 0.9430592

$gender
        diff        lwr       upr     p adj
M-F -0.13387 -0.5267813 0.2590414 0.5004702

$`region:gender`
              diff       lwr        upr     p adj
b:F-a:F -0.5741976 -1.348781 0.20038521 0.2191452
a:M-a:F -0.6339815 -1.365894 0.09793048 0.1136445

tk str（tk） 3人名单 $region:num[1,1:4]-0.0141-0.40410.376 0.9431 ..-attr（*，“dimnames”）=2个列表 ..$：chr“b-a” …..$：chr[1:4]“diff”“lwr”“upr”“p adj” $gender:num[1,1:4]-0.134-0.5270.2590.5 ..-attr（*，“dimnames”）=2个列表 ..$：chr“M-F” …..$：chr[1:4]“diff”“lwr”“upr”“p adj” $region:gender:num[1:6,1:4]-0.5742-0.634-0.208-0.0598-0.3662。。。 ..-attr（*，“dimnames”）=2个列表 “b:F-a:F”“a:M-a:F”“b:M-a:F”“a:M-a:F”“a:M-b:F”。。。 …..$：chr[1:4]“diff”“lwr”“upr”“p adj” -attr（*，“类”）=chr[1:2]“TukeyHSD”“多重压缩” -attr（*，“orig.call”）=语言aov（公式=y~地区*性别，数据=my.data） -属性（*，“配置级别”）=数值0.95 -属性（*，“有序”）=逻辑错误 >rntk tk[[“地区：性别”]]tk Tukey平均数的多重比较 95%的家庭信心水平 拟合：aov（公式=y~区域*性别，数据=my.data） $region 差动lwr upr p调整 b-a-0.0140727-0.4041448 0.3759994 0.9430592 $性别 差动lwr upr p调整 M-F-0.13387-0.5267813 0.2590414 0.5004702 $`区域：性别` 差动lwr upr p调整 b:F-a:F-0.5741976-1.348781 0.20038521 0.2191452 a:M-a:F-0.6339815-1.365894 0.09793048 0.1136445

---

我不确定OP是否要删除整个交互。我以为OP会保留交互的一部分，这是交互的第一部分。我想知道让R print成为交互的一部分是否简单。在这种情况下，应该访问

区域：性别

交互并删除行y、 是的，我认为这是唯一的方法。谢谢你这么说。删除部分交互将显示我想要的，但是如果我可以指定比较，而不是运行全部然后删除其中一些，它会改变调整后的-p吗？@Jon all计算是在你选择特定交互之前完成的。所以我不认为这是特定的操作假设影响调整后的p。顺便说一句，如果你只想提取特定的交互，你可以做一些像

tk$

Sex:Region

[c（1,6），]

。

> tk <- TukeyHSD(mdl1)
> str(tk)
List of 3
 $ region       : num [1, 1:4] -0.0141 -0.4041 0.376 0.9431
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr "b-a"
  .. ..$ : chr [1:4] "diff" "lwr" "upr" "p adj"
 $ gender       : num [1, 1:4] -0.134 -0.527 0.259 0.5
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr "M-F"
  .. ..$ : chr [1:4] "diff" "lwr" "upr" "p adj"
 $ region:gender: num [1:6, 1:4] -0.5742 -0.634 -0.208 -0.0598 0.3662 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr [1:6] "b:F-a:F" "a:M-a:F" "b:M-a:F" "a:M-b:F" ...
  .. ..$ : chr [1:4] "diff" "lwr" "upr" "p adj"
 - attr(*, "class")= chr [1:2] "TukeyHSD" "multicomp"
 - attr(*, "orig.call")= language aov(formula = y ~ region * gender, data = my.data)
 - attr(*, "conf.level")= num 0.95
 - attr(*, "ordered")= logi FALSE
> rntk <- rownames(tk[["region:gender"]])
> tk[["region:gender"]] <- tk[["region:gender"]][grepl("b:F-a:F|a:M-a:F", rntk), ]
> tk
  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = y ~ region * gender, data = my.data)

$region
          diff        lwr       upr     p adj
b-a -0.0140727 -0.4041448 0.3759994 0.9430592

$gender
        diff        lwr       upr     p adj
M-F -0.13387 -0.5267813 0.2590414 0.5004702

$`region:gender`
              diff       lwr        upr     p adj
b:F-a:F -0.5741976 -1.348781 0.20038521 0.2191452
a:M-a:F -0.6339815 -1.365894 0.09793048 0.1136445