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(multcomp Tukey Kramer,r,statistics,posthoc,lsmeans,R,Statistics,Posthoc,Lsmeans,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
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"))