问题标签 [manova]

我想用 R 运行一个组间设计 MANCOVA，有两个因变量（计划内和计划外），两个主题间变量（类型 [男性，女性] 和 Urb [是，否]），一个主题内变量（期间[之前，期间]）和一个协变量（BMI）。

这是我所做的（有关类似计算，请参见此处：https ://stats.stackexchange.com/questions/183441/correct-way-to-perform-a-one-way-within-subjects-manova-in- r ):

因此，设计中的组间方差分析在这里效果很好。但是，我未能在该模型中添加协变量（即 BMI）。你知道我怎样才能做到这一点吗？

注意：我也尝试使用 (great) mancova()function ，其中包含一个协变量参数；但是有了这个函数，我不知道如何指定 Period 是一个主题内变量......

我注意到summary.manova()R 中的函数产生了两个不同的 p.values。一个在控制台中打印的表格中，另一个在stats位于摘要对象中的表格中。应该报告哪些 p.values？值略有不同。tidy()我在使用from 函数时第一次注意到这个问题broom，它是从 stats 表而不是控制台报告 p.values。

我可以使用 iris 数据框重新创建问题：

我正在通过 R 中的 manova 公式测试 Hotelling T^2 测试。我正在测试不同的相同尺寸，因此有多个 Manova 表输出。下面是我如何为整个样本生成 manova

我想知道如何从每个表中提取 p 值。我试图跟随但没有这样的运气：

但每次返回NULL

我正在尝试为双向 MANOVA 运行 Box 的协方差矩阵同质性 M 检验。

我从昨天下午开始搜索一个例子。我看到了许多将 boxM 与单向 MANOVA 结合使用的示例。在每种情况下，如果源还涵盖双向 MANOVA，则它们不包括演示在双向情况下运行 boxM 测试。我只需要一个工作示例。一旦我掌握了语法，我就可以让它工作。

biotools 包中的 boxM 函数表示它适用于一个分类因子（单向 MANOVA）。
https://www.rdocumentation.org/packages/biotools/versions/3.1/topics/boxM

heplots 包中的 boxM 函数表示它适用于一个或多个分类因素——https:
//www.rdocumentation.org/packages/heplots/versions/1.3-5/topics/boxM

-- 但是，当我尝试使用它时出现错误：“模型必须是完全交叉的公式。”

下面，我展示了单独使用任何一个因素时我都没有得到错误，但是任何交叉因素的安排都会产生这个错误。注意：在跨变量的情况下运行 Levene 的测试时，我没有收到此错误。

Response1、Response2 和 Response3 是连续的。
Factor1 有 2 个水平。Factor2 有 5 个级别。

我需要使用 Y (nxq) 和 X (nxp) 在多元线性模型中计算平方叉积矩阵的总和（实际上是该矩阵的迹线）。这样做的标准 R 代码是：

这必须完成数千次，不幸的是，当预测变量的数量相对较大时，它会变得很慢。通常我只对s预测变量的一个子集感兴趣，我试图重新实现这个计算。虽然我的实现直接将线性代数转换为s= 1（下）对于小样本量（n）来说更快，

car对于大 n 仍然更快：

我已经尝试过Rcpp非常成功的实现，因为 R 中的这些矩阵产品已经使用了非常有效的代码。

关于如何更快地做到这一点的任何提示？

更新

阅读答案后，我尝试了这篇文章中提出的解决方案，该解决方案依赖于 QR/SVD/Cholesky 分解进行帽子矩阵计算。然而，计算所有 p = 30 个矩阵似乎car::Anova仍然比我只计算一个 (s = 1) 更快！例如 n = 5000，q = 10：

更新 2

目前最好的解决方案是检查car::Anova 代码（即函数car:::Anova.III.mlm和后续car:::linearHypothesis.mlm）并重新实现它们以考虑预测变量的子集，而不是全部。

相关代码car如下（我跳过了检查，并简化了一点）：

然后只需选择术语子集。

我正在进行多元多元回归。作为响应变量，我有一个函数 [ y(t) ]，我已在 27 个点的网格和 3 个标量回归量 ( x1,x2,x3 ) 上离散化。我已经用 nxq (q=27) 矩阵Y替换了响应函数，我需要解决的是：

Y = XB + E

其中X [nxp (p=3)] 是x1,x2,x3列堆叠，B是回归系数的 ap×q 矩阵，E是 n×q 误差矩阵。到目前为止，我所做的是调用 lm:mylm<-lm(Y ~ X)它在预测变量上分别回归每个因变量。

现在我想确定一个预测变量是否对我得到的所有 27 个模型都有贡献，但我不知道如何克服我得到的错误。当我打电话时，Anova这就是我得到的

并且，例如，如果我想测试 x2 在统计上是否不同于 0，我会得到以下信息

如果问题与矩阵的非奇异性有关，我该如何要求使用伪逆？

编辑 - - - - - - -

在这里你可以找到我的数据

我manova()在R中运行。当我使用时，summary.aov()我收到以下错误：Error in 1L:object$rank

这是数据

（Subj并且Buty是因素）

manova(cbind(dN1, nN1, S1, dR1, nR1) ~ Buty + Error(Subj/Buty), data = d)

summary(), coefficients, 和residuals所有工作，但不是summary.aov()。这是一个问题，因为我需要单个数据列的读数（例如，系数的 p 值）。

知道如何解决吗？非常感激！

我已经使用 statsmodel 运行了 MANOVA 测试，如下所示：

结果我得到了下表：

我的问题是，我如何只提取 p 值？在这篇文章之后，我尝试过：

但我得到了索引错误，而且我不确定我是否理解它背后的逻辑。

IndexError：只有整数、切片 ( :)、省略号 ( ...)、numpy.newaxis ( None) 和整数或布尔数组是有效的索引

我的最终目标是仅将 p 值保存为新变量，例如从表中“提取”p 值。

也许了解这个表是如何生成的也可能会有所帮助，因为我不确定这是什么（它不是熊猫而且看起来不像矩阵，所以我怎么能从那里切任何东西？）

一项实验评估了 3 个因素和 3 个对治疗的反应。选择的因素是使用的化学品 ( Chemical)、混合速度 ( Speed) 和固体量 ( Solids)。观察到的反应是Response1、Response2和Response3。

使用本教程，我根据Chemical因子对 3 个响应执行了 1-way MANOVA。但是，我想根据 3 个因素进行 3-way MANOVA 来评估 3 个响应。在 MWE 我做了一个尝试，但我不知道这种方法是否正确。

我也接受可以为我提供更多信息的包裹建议或其他统计测试。

我想从 R 中关于交互项的多元分析中计算 Pillai 的轨迹。

我的数据的一个子集是：

哪个子集看起来像：

我可以像这样运行 MANOVA：

但是我想要一个交互Age*ROI_Coded*leftright并且无法弄清楚如何将它适当地输入到模型中。它似乎没有采用线性模型之类的交互术语。