1

在运行单向方差分析比较 3 组的平均值后，我想执行事后邓肯测试（在 r 中使用“agricolae”包）。

## run one-way anova
> t1 <- aov(q3a ~ pgy,data = pgy)
> summary(t1)
              Df Sum Sq Mean Sq F value  Pr(>F)   
pgy            2     13   6.602   5.613 0.00367 **
Residuals   6305   7416   1.176                   
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
1541 observations deleted due to missingness

## run post-hoc duncan test
> duncan.test(t1,"pgy",group = T, console = T)

Study: t1 ~ "pgy"

Duncan's new multiple range test
for q3a 

Mean Square Error:  1.176209 

pgy,  means

          q3a      std    r Min Max
PGY1 1.604292 1.068133 2656   1   5
PGY2 1.711453 1.126446 2017   1   5
PGY3 1.656269 1.057937 1635   1   5

Groups according to probability of means differences and alpha level( 0.05 )

Means with the same letter are not significantly different.

          q3a groups
PGY2 1.711453      a
PGY3 1.656269     ab
PGY1 1.604292      b

然而，输出只告诉我 PGY1 和 PGY2 的平均值是不同的，没有每个组比较的 p 值（事后成对 t 检验将为每个组比较生成 p 值）。

如何从邓肯测试中获得 p 值？

谢谢！！

4

1 回答 1

3

一种解决方案是PostHocTest从DescTools包中使用。

这是使用warpbreaks示例数据的示例。

require(DescTools);
res <- aov(breaks ~ tension, data = warpbreaks);
PostHocTest(res, method = "duncan");
#
#  Posthoc multiple comparisons of means : Duncan's new multiple range test
#    95% family-wise confidence level
#
#$tension
#          diff    lwr.ci    upr.ci    pval
#M-L -10.000000 -17.95042 -2.049581 0.01472 *
#H-L -14.722222 -23.08443 -6.360012 0.00072 ***
#H-M  -4.722222 -12.67264  3.228197 0.23861

每个组的均值之间的成对差异在第一列中给出（例如M-L等），以及置信区间和 p 值。

例如，均值之间的差异在H统计M上不显着。

如果执行邓肯检验不是关键要求，您还可以运行pairwise.t.test各种其他多重比较校正。例如，使用 Bonferroni 的方法

with(warpbreaks, pairwise.t.test(breaks, tension, p.adj = "bonferroni"));
#
#   Pairwise comparisons using t tests with pooled SD
#
#data:  breaks and tension
#
#  L      M
#M 0.0442 -
#H 0.0015 0.7158
#
#P value adjustment method: bonferroni

结果与事后邓肯检验的结果一致。

于 2018-01-16T23:00:36.507 回答