multcomp Tukey Kramer

我有一个不平衡的实验，在三个地点（L、M、H），我们测量了四种不同植被类型（a、b、c、d）的一个参数（

met

）。所有三个地点均存在所有植被类型。植被类型在L和M重复4次，在H重复8次

因此，简单的方差分析和TukeyHSD将不起作用。Agricolae（

HSD.test

）和DTK（

DTK.test

）软件包仅适用于单向设计，然后还有多个组件。。。

mcp

函数中的Tukey测试是计算Tukey-Kramer对比度，还是给出常规Tukey对比度？我假设第一种情况是这样的，因为该软件包旨在测试不平衡设计的多重比较，但我不确定，因为两种方法产生的p值实际上是相同的。那么什么测试才是合适的呢

此外，对于不平衡数据集，是否有更合适的方法进行双向方差分析

library(multcomp)

(met     <-  c(rnorm(16,6,2),rnorm(16,5,2),rnorm(32,4,2)))
(site    <-  c(rep("L", 16), rep("M", 16), rep("H", 32)))
(vtype   <-  c(rep(letters[1:4], 16), rep(letters[1:4], 16), rep(letters[1:4], 32)))

dat  <-  data.frame(site, vtype, met)

# using aov and TukeyHSD
aov.000  <-  aov(met ~ site * vtype, data=dat)
summary(aov.000) 
TukeyHSD(aov.000) 

# using Anova, and multcomp
lm.000     <-  lm(met ~ site * vtype, data=dat)
summary(lm.000)
library(car)
Anova.000  <-  Anova(lm.000, data=dat)

dat$int  <-  with(dat, interaction(site, vtype, sep = "x"))
lm.000   <-  lm(met ~ int, data = dat)
summary(lm.000)
summary(glht.000 <- glht(lm.000, linfct = mcp(int = "Tukey")))

库（multcomp）
（met对于不平衡数据，可使用III型SS的方差分析代替I型SS[1]。R[2]中III型方差分析的计算：

model <- (met ~ site * vtype)
defopt <- options()
options(contrasts=c("contr.sum", "contr.poly"))
print(drop1(aov(model),~.,test="F"))
options <- defopt

第2行和第3行比较主效应“站点”和“vytpe”的级别。第4行和第5行分别比较一个因素在另一个因素的每个级别上的级别

我希望这有帮助

参考资料

[1] 米利肯和约翰森。2009。混乱数据的分析。第1卷

[2]

[3]

library(lsmeans)
print(lsmeans(model, list(pairwise ~ site)), adjust = c("tukey"))
print(lsmeans(model, list(pairwise ~ vtype)), adjust = c("tukey"))
print(lsmeans(model, list(pairwise ~ site | vtype)), adjust = c("tukey"))
print(lsmeans(model, list(pairwise ~ vtype | site)), adjust = c("tukey"))