问题标签 [posthoc]

我执行了 2x2x2 三向方差分析，三向交互项很重要。我理解这意味着一个（或多个）双向交互在第三个变量存在的情况下运作方式不同。

我如何执行事后测试来梳理这些交互？如果可能的话，我想在 r 中执行此操作。

我找到了一个资源（下面的链接），它使用 tibbles 在每个级别执行双向 ANOVA。但是，我是 r 的新手，不太了解这是如何实现的。也许这是将代码转换为我的数据集的问题？

https://www.datanovia.com/en/lessons/repeated-measures-anova-in-r/#post-hoc-tests-2

提前致谢！

我在 R 中运行一个混合效果模型，我想知道是否有代码我可以运行来获得对比对比，以进行事后测试的交互。

答：即。我目前正在运行的 tukey 测试是这样的：

有 2 个区域（ML 和 HG）和 3 个处理（Low_control、Frog 和 High_control）。

B. 这让我在输出中得到了这些比较：

C. 但我真正想要的是这三个对比，本质上是对比的对比：

D. 如何在 R 中的混合效应模型的事后测试中为上述三个对比编码？

谢谢！！

我目前正在研究一个具有 3 个固定效应和一个随机效应的广义混合效应模型。就像背景一样，随机效应是池塘数（中宇宙），响应变量是叶绿素-a 的量（连续数据），我的固定效应是两种处理：1）养分富集和 2）WLF，两者都是二进制是/否类型数据。第三个固定效果是深度（0.1 米和 0.8 米） 无论如何，我创建了一个 glmer，其中所有三个固定效果和随机效果都具有充分的交互作用，如下所示：

该模型的总结表明，叶绿素-a 的养分富集、wlf和深度之间存在显着的相互作用。

我的问题是当三个固定术语之间存在交互时如何进行事后测试？我已经尝试过glht，ls_means但都导致了错误。

这是相关数据（抱歉，我必须复制所有行才能使其工作）：

结构（列表（中宇宙=结构（c（2L，2L，10L，10L，15L，15L，18L，18L，22L，22L，23L，23L，24L，24L，5L，5L，6L，6L，8L，8L， 9L, 9L, 14L, 14L, 25L, 25L, 26L, 26L, 1L, 1L, 3L, 3L, 7L, 7L, 11L, 11L, 13L, 13L, 16L, 16L, 20L, 20L, 4L, 4L, 12L, 12L, 17L, 17L, 19L, 19L, 21L, 21L, 27L, 27L, 28L, 28L), .Label = c("1", "2", "3", "4", "5", "6 ”、“7”、“8”、“9”、“10”、“11”、“12”、“13”、“14”、“15”、“16”、“17”、“18”、 “19”、“20”、“21”、“22”、“23”、“24”、“25”、“26”、“27”、“28”），类别=“因子”），营养素=结构（c（1L，1L，1L，1L，1L，1L，1L，1L，1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("0", "1"), class = "factor"), WLF = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("0", "1") , 类 = "因子"), 深度 = c(0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8, 0.1, 0.8,0.1、0.8、0.1、0.8、0.1、0.1、0.1、0.1、0.1、0.8、0.1、0.8、0.1、0.1、0.8、0.1、0.8），chl.a = C（3.301666667、4.0266666666667、2.54、2.54 , 1.841666667, 1.968333333, 1.493333333, 3.321666667, 2.78, 2.078333333, 3.633333333, 2.621666667, 2.641666667, 4.991666667, 1.521666667, 2.118333333, 3.061666667, 6.083333333, 2.343333333, 4.406666667, 2.243333333, 3.03, 5.155, 3.723333333, 2.43, 2.06, 8.943333333, 5.346666667, 6.161666667 , 4.730833333, 7.336666667, 6.958333333, 8.888333333, 1.898333333, 9.978333333, 7.951666667, 10.09333333, 7.516666667, 10.62666667, 3.043333333, 4.621666667, 7.798333333, 2.79, 7.926666667, 4.403333333, 3.85, 5.581666667, 8.18, 2.795, 5.946666667, 4.093333333, 8.5, 7.356666667, 9.861666667 )), row.names = c(NA, 56L),类=“data.frame”）

这是我使用的软件包：

这是我用于模型的代码块：

这是我的“ls_means”代码和我得到的错误：

UseMethod（“ls_means”）中的错误：没有适用于“ls_means”的方法应用于类“c（'glmerMod'，'merMod'）”的对象

我现在真的意识到我真的不知道如何使用 glht。

我为我的数据做了一个嵌套方差分析。为此，我尝试定位此页面上的示例：

https://rcompanion.org/rcompanion/d_07.html

我的数据如下所示：

我能够按照页面上的描述执行嵌套方差分析，但很难完成事后测试：

这是我得到的输出：

我的数据嵌套在组级别。有五种不同的治疗方法。在每次治疗中，将四名参与者分组。它是关于那些参与者在竞争下的捐赠行为（因变量 = 捐赠，度量，单位为欧元）（解释变量 = 治疗，序数）。数据结构是这样的：

基于Rcompanion计算方差分析后，我想使用 multcomp 函数执行 Posthoc 测试。

但是，如果我跑

我收到此错误消息，我不明白

模型中存储了数据：

变量是：

编辑：创建模型的 R 命令：

dput(head(SPSS_Data.df,10)) 的输出：

我有 77 个科目，1 个连续 DV（激活），2 个连续 IV（score1 和 score2）和 1 个 2 个级别的分类 IV（条件）。每个受试者都经历这两种情况。

我将模型编码为：

我应该使用哪些命令来调查条件(0, 1) 和score1（连续）之间的交互？

我正在使用ARTool 包完成如下对齐的等级转换：

我想测试这两个因素之间的相互作用，所以我尝试了以下命令，我知道这是测试对比之间的对比：

因此，我使用phia 包尝试了以下公式：

(testInteractions(model, pairwise="Method" ,across="Trialtype",adjust="bonferroni")

但是，我收到此错误：terms.default(model) 中的错误：没有术语组件或属性

有人愿意帮我一把吗？

这是我的原始数据：

执行 Welch 的 ANOVA 测试 (p < 0.05) 后，需要进行 Games-Howell 多重比较，但我找不到此方法的 python 包。

是否有用于 ANOVA 事后分析的 Games-Howell 多重比较的 python 包？

多谢！

因为代码在 RI 中相当密集，而不是在 PAST（古生物学统计软件）中进行了双向 PERMANOVA，但是，我需要进行我在 PAST 中似乎无法进行的事后测试，所以我回到了 R . 我在 R 中得到的结果与在 PAST 中得到的结果有很大不同，我不确定我是否编码错误，或者 PAST 是否根本不可靠？

这是我的数据子样本的链接

我使用的代码：

在过去，IV1 的 p 值 = 0.0001，但在 R 中 = 0.4485

IV2 的 p 值在 PAST 中 = 0.0001，但在 R 中 = 0.7384

IV1 和 IV2 之间相互作用的 p 值在 PAST 中 = 0.0466，但在 R 中 = 0.2275

我意识到数据不完整，这增加了此示例中的差异，但是即使我使用完整的数据集 IV1 仍然微不足道，尽管 IV2 和交互作用很显着，但 p 值与我得到的值不同过去的。

我在我的代码中做错了吗？我是否在 R 中正确执行了双向 PERMANOVA？此外，是否有人有任何代码链接到用于事后分析的成对双边多重比较分析？

PS我不太懂技术术语，所以请对我温柔:)

我正在研究一个以几种不同类型的蛋白质作为列的数据集。它看起来像这样这是简化的，原始数据集包含 100 多种蛋白质。我想看看在考虑随机效应（=id）时，蛋白质的浓度是否因治疗而异。我设法一次运行多个重复的方差分析。但我也想根据治疗对所有蛋白质进行成对比较。我首先想到的是使用 emmeans 包，但我在编码时遇到了麻烦。

所以我尝试了不同的方法

我不明白为什么即使我在方差分析模型中使用了“cbind(Protein1, Protein2, Protein3)”。R 仍然只给我一个结果，而不是像下面这样

我该如何编码或者我应该尝试不同的包/功能？

我一次运行一种蛋白质没有问题。但是，由于我要运行 100 多种蛋白质，因此将它们逐一编码非常耗时。

任何建议表示赞赏。谢谢！