利用R
我对使用R非常陌生。我正在对成功的两个因素(交互作用)进行方差分析。接下来我想进行组间比较。我知道使用TukeyHSD命令可以实现这一点。然而,我们的研究小组以前使用SigmaPlot来运行统计,它使用Holm-Sidak方法。所以我的主管想让我在R上运行Holm Sidak,这样我们可以比较结果,确保它们是相同的 有人知道怎么做吗?我试着在网上搜索,但找不到答案。似乎我需要输入未调整的p值,以便运行一些代码并返回调整后的p值,但我不清楚这些未调整的p值应该来自哪里。它们是否来自于首先运行成对测试 我希望您能给我一些指导。有一个代码可以对R中的方差分析进行Holm-Šidák调整:利用R,r,anova,R,Anova,我对使用R非常陌生。我正在对成功的两个因素(交互作用)进行方差分析。接下来我想进行组间比较。我知道使用TukeyHSD命令可以实现这一点。然而,我们的研究小组以前使用SigmaPlot来运行统计,它使用Holm-Sidak方法。所以我的主管想让我在R上运行Holm Sidak,这样我们可以比较结果,确保它们是相同的 有人知道怎么做吗?我试着在网上搜索,但找不到答案。似乎我需要输入未调整的p值,以便运行一些代码并返回调整后的p值,但我不清楚这些未调整的p值应该来自哪里。它们是否来自于首先运行成对测
Sidak <- function(vecP)
#
# This function corrects a vector of probabilities for multiple testing
# using the Bonferroni (1935) and Sidak (1967) corrections.
#
# References: Bonferroni (1935), Sidak (1967), Wright (1992).
#
# Bonferroni, C. E. 1935. Il calcolo delle assicurazioni su gruppi di teste.
# Pp. 13-60 in: Studi in onore del Professore Salvatore Ortu Carboni. Roma.
#
# Sidak, Z. 1967. Rectangular confidence regions for the means of multivariate
# normal distributions. Journal of the American Statistical Association 62:626-633.
#
# Wright, S. P. 1992. Adjusted P-values for simultaneous inference.
# Biometrics 48: 1005-1013.
#
# Pierre Legendre, May 2007
{
k = length(vecP)
vecPB = 0
vecPS = 0
for(i in 1:k) {
bonf = vecP[i]*k
if(bonf > 1) bonf=1
vecPB = c(vecPB, bonf)
vecPS = c(vecPS, (1-(1-vecP[i])^k))
}
#
return(list(OriginalP=vecP, BonfP=vecPB[-1], SidakP=vecPS[-1]))
}
Sidak 1)bonf=1
vecPB=c(vecPB,bonf)
vecPS=c(vecPS,(1-(1-vecP[i])^k))
}
#
返回(列表(OriginalP=vecP,BonfP=vecPB[-1],SidakP=vecPS[-1]))
}
或者,您也可以使用该软件包。它对您想要的类型执行多重比较,尽管是对秩和进行比较,并且有一个选项,可以使用“method=sidak”
进行Holm-Šidák调整