R 重复测量后的两两比较方差分析解释
我对重复测量进行了单因素方差分析:R 重复测量后的两两比较方差分析解释,r,statistics,anova,posthoc,R,Statistics,Anova,Posthoc,我对重复测量进行了单因素方差分析: aov <- aov(score ~ group*time + Error(subject/time), data=valueAest) 所以我决定进行一些事后分析。查看其他人的一些答案,我使用了multcomp库: lme_score = lme(score ~ group, data=valueAest, random = ~1|subject) anova(lme_score) require(multcomp) summary(glht(lm
aov <- aov(score ~ group*time + Error(subject/time), data=valueAest)
所以我决定进行一些事后分析。查看其他人的一些答案,我使用了multcomp库:
lme_score = lme(score ~ group, data=valueAest, random = ~1|subject)
anova(lme_score)
require(multcomp)
summary(glht(lme_score, linfct=mcp(group = "Tukey")), test = adjusted(type = "bonferroni"))
但这给了我一个错误,“ncol(linfct)”不等于“length(coef(model))”
我还尝试:
Mixed_Fitted_Interaction<-emmeans(aov, ~group|time)
Mixed_Fitted_Interaction
# pairwise comparison
pairs(Mixed_Fitted_Interaction)
在我天真的头脑中,这看起来很有希望,我能得出这样的结论吗:意义实际上不是来自治疗,而是来自人口差异 考虑到治疗(
时间
)的主要作用和相互作用都不显著,不确定为什么差异会来自治疗。小组的主要作用基本上随着时间的推移而消失,所以区别在于你的一个小组与另一个小组相比,治疗是小组而不是时间。我基本上想找出“组”之间的区别,但看起来组之间的区别以前就存在了treatment@April如果您的治疗是组
,那么模型不应该是aov(分数~组*时间+错误(受试者/组),数据=值AEST)
?在你给出的模型中,时间
是主要(治疗)效果。[续]如果你能澄清你的实验设计,这会有所帮助。您的组间和组内变量是什么。它们是否完全交叉?不确定为什么差异会来自治疗,因为治疗(时间
)的主要作用和相互作用都不显著。小组的主要作用基本上随着时间的推移而消失,所以区别在于你的一个小组与另一个小组相比,治疗是小组而不是时间。我基本上想找出“组”之间的区别,但看起来组之间的区别以前就存在了treatment@April如果您的治疗是组
,那么模型不应该是aov(分数~组*时间+错误(受试者/组),数据=值AEST)
?在你给出的模型中,时间
是主要(治疗)效果。[续]如果你能澄清你的实验设计,这会有所帮助。您的组间和组内变量是什么。它们完全交叉了吗?
Mixed_Fitted_Interaction<-emmeans(aov, ~group|time)
Mixed_Fitted_Interaction
# pairwise comparison
pairs(Mixed_Fitted_Interaction)
time = recreation1:
contrast estimate SE df t.ratio p.value
map - VR -0.75 0.397 49.8 -1.890 0.0646
time = recreation2:
contrast estimate SE df t.ratio p.value
map - VR -0.80 0.397 49.8 -2.016 0.0492