R 在“a”中调整pvalues之间有什么区别;成对;函数并提取向量的PV值,然后调整不同的结果
当我在“pairs”函数中调整值时,当我提取pvalues并进行调整时,我会得到不同的结果。pairs函数中实际发生了什么?有没有正确的方法来执行它R 在“a”中调整pvalues之间有什么区别;成对;函数并提取向量的PV值,然后调整不同的结果,r,R,当我在“pairs”函数中调整值时,当我提取pvalues并进行调整时,我会得到不同的结果。pairs函数中实际发生了什么?有没有正确的方法来执行它 rm(list=ls()) id <- rep(1:5, each=3) trt <- rep(LETTERS[1:3],5) set.seed(1) q1 <- runif(15) set.seed(2) q2 <- runif(15) set.seed(3) q3 <- runif(15) df <- d
rm(list=ls())
id <- rep(1:5, each=3)
trt <- rep(LETTERS[1:3],5)
set.seed(1)
q1 <- runif(15)
set.seed(2)
q2 <- runif(15)
set.seed(3)
q3 <- runif(15)
df <- data.frame(id,trt,q1,q2,q3)
library(lme4)
lm <- lmer(formula= df[,3] ~trt+ (1|id), data=df)
Anova(lm)
emm <- emmeans(lm,"trt")
a <- pairs(emm) # no adjustment
a
contrast estimate SE df t.ratio p.value
A - B 0.2085 0.134 8 1.560 0.3159
A - C -0.0359 0.134 8 -0.269 0.9612
B - C -0.2444 0.134 8 -1.829 0.2211
Note: contrasts are still on the [ scale
Degrees-of-freedom method: kenward-roger
P value adjustment: tukey method for comparing a family of 3 estimates
b <- pairs(emm, adjust="bonferroni") # adjust with bonferroni
b
contrast estimate SE df t.ratio p.value
A - B 0.2085 0.134 8 1.560 0.4721
A - C -0.0359 0.134 8 -0.269 1.0000
B - C -0.2444 0.134 8 -1.829 0.3145
Note: contrasts are still on the [ scale
Degrees-of-freedom method: kenward-roger
P value adjustment: bonferroni method for 3 tests
e <- data.frame(a)
e <- e$p.value
e <- p.adjust(e, method="bonferroni") # extract p-values and adjust
e
[1] 0.9475749 1.0000000 0.6633197
rm(list=ls())
id输出清楚地表明,a
中的p值已调整。使用a@Roland很高兴发现至少有人阅读了这些注释。