问题标签 [posthoc]

我是 R（和一般统计数据）的新手，所以提前为这可能是一个非常补救的问题道歉，但我很感激任何帮助！

我正在尝试评估在给定车道上开始赛车比赛是否有统计优势。

我拥有的样本量很小，不一定呈正态分布，因此我选择使用 chi sq 检验来检查预期胜利与观察胜利之间的显着差异。

chisq.test 的结果给出了以下结果，表明观察到的预期 v 之间存在显着差异；

我正在苦苦挣扎的地方是在车道之间进行事后测试，以确切地了解哪些从开始时明显更有优势。

简单地运行：

返回以下错误；

正如我所说，我是 R 和 stats 的新手，因此提供的有关 chisq.post.hoc 的文档对我来说没有多大意义 - 加上似乎不再支持该软件包，所以我不得不下载存档版本. 我尝试了各种方法，但都产生错误。例如;

我真的很感激对此的指导或任何关于我可以使用的替代事后测试的建议，以及在运行之前需要如何构建数据等。

提前致谢！

我有一个混合设计，其中因子（组：ASD、CTR）和三个因子（时间：前、后；受托人：好、坏；步骤：1、2、3、4、5）之间的混合设计。

我使用 aov_car 执行了混合模型 anova（III 型）：

我得到了显着的三向交互：时间 * 受托人 * 步骤

我想通过对时间进行有计划的对比来分解交互（我只对不同受托人和步骤的前后对比感兴趣）。

这是我用的cos：

与时间比较的结果

默认情况下，pairs() 应该执行 Tuckey 校正。然而，没有对对比度进行校正。

只有当我使用 step 来划分对比时，才会出现 Tuckey 校正：

与步骤比较的结果

我猜这是因为 Time 只有两个级别（每个对比只是 post vs. pre），而 step 有 5 个级别（请参阅图片末尾的“tukey method for comparison a family of 5estimates”）。

所以这是我的问题：为什么pairs() 在第一种情况下不应用更正？即使 post 与 pre 只是一种对比，它也会进行 10 次（受托人和步骤的每种组合一次），因此我认为应该更正它。我应该怎么办？我要手动更正它们吗？如果是，如何？

我对这件事很困惑，如果这不是“统计良好”，我不想报告未更正的结果。

我希望我的问题足够清楚。感谢您的帮助！

我正在使用spatstat. 在模型拟合之后，我想比较几个距离的预测，并说明它们之间是否存在显着差异。在数据集的基础上，我在 0、0 原点周围有一堆点。每个点都有 x、y 坐标、与原点的距离和基角（如北/东/西/南）。

按照这个问题的答案的设置：

在网格上预测北点和西点。

下一步，我想说北和西的值在距离 x、y、z 处有显着差异，但在距离 a、b、c 处不存在差异……我如何到达那里？

这是我的数据框（请复制并粘贴以重现）：

然后，我使用 nlme 包运行 FA 值的线性混合模型：

因为“边”不是一个重要因素，所以它从模型中删除：

我想对“组”因素（两个级别：“控制”和“患者”）进行事后分析。通常，我会运行以下代码来使用 multcomp 包对具有两个以上水平的因素执行事后分析：

我不相信 Tukey 的多重比较事后检验在这种情况下是合适的，因为我们的因素只有两个水平。在这种情况下，合适的事后测试是什么？我想查看模型估计的“组”因子（“控制”和“患者”）的两个水平之间的差异。任何反馈将不胜感激！

我建立了一个线性混合模型并对其进行了事后测试。固定因素是阶段数（时间）和组。

现在我的问题是，我想做一个具有多个固定因素的事后测试。我发现了以下

但这并没有给出我想要的结果。目前，我得到了 Tukey 组的比较（每组与其他组）以及两个阶段之间的比较。

我想要的是每个组的 phase_numbers 比较。例如 group1 phase1-phase2 ..., group2 phase1-phase2 等。

我有一个模型，该模型具有多项式协变量和一个因子之间的交互项。我进行了 ANCOVA 测试，交互项显着。现在我想执行一个事后测试，但我不知道该怎么做。我想测试不同物种的生长曲线是否有显着差异（我有 3 个物种）。我的模型是这样的：

我先上传表格。该表包含 9 行，其中 6 行是因子，左侧 3 行是 152 个人 (n01,n02,n03) 增长率的离散度量。然后我指定因素：

接下来，我将数据框融合到一个新表“r2”中，其中包含我感兴趣的因素，并使用 na.omit 函数删除 NA 值。

r2 看起来像这样：

之后，我设置了固定方差并应用并执行了 2 个 gls 模型，如下所示：

这些模型似乎工作正常，因为我可以获得它们的摘要和方差分析。然后，我尝试使用包 emmeans 中的 lsmeans 函数运行事后成对比较，如下所示：

lsmeans 似乎适用于 2 因子模型 mix1。但是，在模型 mix3 上执行 lsmeans 时会弹出此错误：

crossprod(x, y) 中的错误：需要数字/复数矩阵/向量参数

我试图将模型转换为矩阵，但对于lsmeans函数它不是正确的对象。我也尝试过不设置因子并将列保留为数字，但会弹出相同的错误。在阅读 lsmeans 函数时，我找不到任何与之相关的 crossprod 函数。

我正在尝试对我的治疗进行事后比较，但在运行 glht 时我不断收到此错误：“modelparm.default(model, ...) 中的错误：系数和协方差矩阵的维度不匹配”。

有没有更好的方法进行多次成对比较？我也尝试过使用 emmeans abut 我不确定这是否是正确的方法。

这是我的数据的一个子集：

我用三种不同的处理方法进行了一个实验，想看看每种处理方法中蝌蚪的存活率是否有显着差异，是否有显着的阻滞效应。我使用“汽车”包进行了方差分析，发现没有块效应，但是治疗之间的存活率存在显着差异。当我尝试执行 Ryan-Einot-Gabriel-Welsch Post Hoc 测试时，我收到以下错误代码：

if (Tprob[ntr - 3] > Tprob[ntr - 2]) Tprob[ntr - 2] <- Tprob[ntr - : 参数长度为零另外：警告消息：在 qtukey(p = (1 - alpha)^(i/ntr), i, df = DFerror) ：产生的 NaN

如果我放弃块效应或制作一个仅包含治疗和蝌蚪存活百分比的新数据文件，我会得到同样的错误。

我有一个包含三个因子变量的数据：

1.) Item_Type：因子 w/ 4 个级别“控制”、“Ar”、“Eng”、“Fr”

2.) 测试时间：因子 w/ 3 个级别“Pretest”、“Posttest”、“Delayedtest”

3.) 准确度：因子 w/ 2 级“0”、“1”

Item_Type 和 Time_of Testing 都在主题变量中。

主要假设是在 Pretest 中，不会有 Item_Type 效果。但是，在 Posttest 中，在阅读处理之后，除了对照项之外，从 Pretest 到 Posttest（处理后）的所有 Item_Type 均值应该有增长。也就是说，这种手段的增长不应该出现在控制项目中，因为这些项目是唯一没有接受任何形式治疗的项目。这些控制项仅出现在测试阶段，作为可以比较实验 Item_Types 的基线。

我安装了我的游戏玩家模型。

然后我进行事后比较。

但是，事后结果表明，控制项（其准确度实际上是所有其他 Item_Types 中最低的）确实具有最高的最小二乘均值。此外，在控制项目中发现 Pretest 和 Posttest 之间的 Item_Types 的唯一显着差异（尽管所有其他项目中 Pretest 和 Posttest 之间的实际平均均值差异为 +0.37，而控制项目仅为 +.1） .

我认为问题在于模型假设前测和后测中的所有项目之间没有差异，这就是为什么控制项目的拟合值具有误导性。你认为我应该如何解决这个问题。你会建议我做一些正交对比吗，因为我在运行 emmeans 测试时没有这样做。是否建议添加另一个名为（治疗，控制项目编码为 0，所有其他项目编码为 1？）

我非常感谢您的帮助和建议。