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]））
}
“method=sidak”