2

我用我的数据集（不等的样本量，不等的方差）在 r 中运行了一个双向方差分析：1 个变量在 3 个物种中测量（每个物种中都有雄性和雌性）。这在物种之间产生了显着的结果，所以我想知道哪些成对比较产生了显着性。我知道包中有用于在 R 中执行事后测试的功能：例如

来自http://www.uwlax.edu/faculty/toribio/math305_fall09/multiple.txt的 Dunnett 的事后测试。所需软件包：“multcomp”、“mvtnorm”、“survival”、“splines”

library(multcomp)           
test.dunnett=glht(anova_results,linfct=mcp(method="Dunnett"))
confint(test.dunnett)
plot(test.dunnett)

*注： glht 在“multcomp”中描述

但 Dunett 的测试旨在将所有组与对照组进行比较。相反，我想将所有组相互比较，Dunnett C。有谁知道执行 Dunnett C 的包或知道如何编码？（方程在：http ://pic.dhe.ibm.com/infocenter/spssstat/v21r0m0/index.jsp?topic=%2Fcom.ibm.spss.statistics.help%2Falg_posthoc_unequalvar.htm ）

4

1 回答 1

3

（所以该method项目是在别处定义的，并不像我假设的那样是参数的名称。）在 uwlax.edu 网站上链接的代码中有三个多重比较示例。第二个给出了你想要的，即一组全对比较。它不是“Dunnett's C”，但我的经验是，R 的作者通常会提供最强大的测试，并且使用过时的测试不太方便。Dunnett 的 C 代码在 SPSS 网站上的引用已有 40 年历史。和 TukeyHSD 函数的引用要ghlt更新得多，并且作者受到高度尊重。我认为没有令人信服的理由使用 Dunnett 的 C，而是使用实现目标的 TukeyHSD 选项：

 method1=c(96,79,91,85,83,91,82,87)
 method2=c(77,76,74,73,78,71,80)
 method3=c(66,73,69,66,77,73,71,70,74)

 score=c(method1,method2,method3)
 method=c(rep(1,length(method1)),
          rep(2,length(method2)),
          rep(3,length(method3)))
 method=factor(method)
 anova_results=aov(score~method)        
 anova_results
#------------
Call:
   aov(formula = score ~ method)

Terms:
                   method Residuals
Sum of Squares  1090.6190  387.2143
Deg. of Freedom         2        21

Residual standard error: 4.29404
Estimated effects may be unbalanced
#----------
summary(anova_results)
#------------------
            Df Sum Sq Mean Sq F value   Pr(>F)    
method       2 1090.6   545.3   29.57 7.81e-07 ***
Residuals   21  387.2    18.4                     
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

 TukeyHSD(anova_results)
#--------------
  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = score ~ method)

$method
          diff       lwr         upr     p adj
2-1 -11.178571 -16.78023  -5.5769151 0.0001590
3-1 -15.750000 -21.00924 -10.4907592 0.0000006
3-2  -4.571429 -10.02592   0.8830666 0.1113951

 TukeyHSD(anova_results, ordered=T)
#---------------    
  Tukey multiple comparisons of means
    95% family-wise confidence level
    factor levels have been ordered

Fit: aov(formula = score ~ method)

$method
         diff        lwr      upr     p adj
2-3  4.571429 -0.8830666 10.02592 0.1113951
1-3 15.750000 10.4907592 21.00924 0.0000006
1-2 11.178571  5.5769151 16.78023 0.0001590
于 2013-09-18T15:27:34.487 回答