我建立了一个简单的线性回归模型，以“分数”作为因变量，“活动”作为独立变量。'Activity' 有 5 个级别：'listen'（参考级别）、'read1'、'read2'、'watch1'、'watch2'。

为了获得所有成对比较，我执行了 TukeyHSD 测试，我很难解释其输出。虽然模型的输出显示我们唯一的显着效果是由于“listen”和“read2”之间的对比，但 TukeyHSD 结果表明，“watch2”和“read2”之间存在唯一的显着对比。这是什么意思？

我不明白为什么它不适用于事后测试。我做错了什么？

modmisto<-lme(Cobertura~Tratamento, random=~1|Parcela, data=Cover_BraquiT3) 摘要(modmisto)

tukey<-glht(modmisto, mcp(Tratamento="Tukey")) mcp2matrix(model, linfct = linfct) 中的错误：'character' 类的变量'Tratamento' 是/不包含在'model '。

对此的任何帮助将不胜感激！

我在 R 中进行了单向方差分析，但是当我尝试执行 Tukey post-hoc 以查看哪些处理彼此不同时，我不断收到错误消息。（我希望对结果进行排名（a，ab，b，bcd ...等）

数据详情：

数据=“abh2”

x = 6 次治疗：“治疗”

y = 水分读数“潮湿”（每次处理 n = 63，总计 = 378）

我运行了单向方差分析：

.# RESULTS 表明我可以转移到事后（p<0.05）：

我选择了Tukey HSD并尝试使用 2 种方法运行它，但都收到了错误消息：

内置 R 函数：

农用包装：

我发现 MSerror 是

1）一个“# Old version HSD.test()”（但我刚刚更新了agricolae包）

2) MSerror<-deviance(model)/df

所以我尝试了：

谁能帮我从这里继续前进？这似乎是一个非常简单的问题，但我已经花了几个小时来解决这个问题！

非常感谢 ：）

对于每个因变量（时间、质量、速率、商），我构建了一个three-way ANOVA以性别、年龄、温度和所有相互作用作为独立固定因素的变量。

我的输出范围从重要的双向交互项到重要的三向交互项。

对于这些（双向和三向）交互项，我该如何post hoc comparison使用？Tukey's HSDR

谢谢你。

我有一个名为 data 的数据框。我创建了一个循环遍历变量列表并使用 lapply 为每个变量创建线性模型的函​​数。这种方法基于这篇文章。

这很好用。但是，我也想以相同的方式运行事后测试，通常我会通过运行：

这显然在这个例子中不起作用，但我认为这会：

但这会返回：

我缺少什么来完成这项工作？

我有来自 6 种不同治疗方法的数据，在 3 年内重复采样 8 次（没有丢失数据点）。我每次处理的个人垃圾箱均分为 7 个随机分布的块。为了分析，我使用的是混合模型（nlme 包）。

数据示例：

使用的包：

这是我目前使用的脚本：

这工作得很好（ANOVA<0.001），但没有给我我需要的信息。

-> 我获得了一个整体的Tukey，但由于我正在处理退化数据，我希望处理在开始和结束时是相似的，但在中间是不同的。

----> 因此，我正在寻找一个测试，它会给我每个采样日期的 RANKED (a, ab, bc...) Tukey 结果，同时考虑到这是一个重复测量模型。

有任何想法吗？:)

谢谢！

仅供参考，我已经尝试了这个问题的解决方案：post hoc test for a two way mixed model anova

1

我不确定的结果：# Object$model[, 2:(length(object$x) + 1)] 中的错误：维数不正确

2

第二个给了我一个巨大的输出，但不是我需要的。

这是我的模型：

我做了多重比较：

摘要（wht，测试=调整（“西部荒野”））

结果：

这是我发现多重比较起作用的唯一方法。如您所见，我有一个错误。知道这意味着什么吗？

如何用上面的字母绘制结果？

是否有另一种方法可以通过另一种方式对交互进行多重比较？

我正在尝试分析一些数据，其中我有三个名为Estimulo、Velocida和的解释变量Viendocon（所有这些变量都被视为因素）和一个名为 的响应变量Vueltasmin，它是一个数字变量。

当我在各种条件下测量 Vueltasmin 时，我使用了一个线性混合模型，其中变量Bicho（即：受试者）是一个随机效应变量，表明测量值对于一个受试者不是独立的。

为了使模型更简单，我包括了我的变量之间的所有三个可能的双重交互Estimulo * Viendocon, Estimulo * Velocidad and Velocidad * Viendocon（点，所以我最终使用的模型被命名为“m1bis”。Estimulo * Velocidad * Viendoconm1

当我尝试执行 Tukey 多重比较方法时，我不得不重新编写模型，将我的变量命名为int1、int2和int3，它们都是三个双重交互。

然后，R 能够执行关于 int1 的第一个 Tukey 比较，但不是第二个和第三个，这是我的问题：我想进行所有三个比较，因为摘要 (m1bis) 显示所有双重交互都具有统计显着性，并且我无法分析我的变量的主要影响。

我得到的错误如下：

这是我正在运行的脚本：

这是我的数据库示例（请忽略 Ganancia 列）：

我正在尝试重命名因子变量的所有级别的名称，这样我就可以运行TukeyHSD. Tukey 程序不喜欢用数字命名级别。因此，我不关心名字本身，我只希望名字是一个字符——名字可以是字母表中的单个字母。

问题是我有很多级别。例如：

我知道如何重命名它们的唯一方法是手动输入每个级别的名称：

我怎样才能避免一个一个地输入所有的名字？是否有自动重命名？

谢谢！

我有一个关于在混合 glmm 模型中进行事后对比的问题。本质上，我的数据是一系列具有“主题类型”（三种类型的主题）、“治疗”（四种治疗）和“年份”（两年）的固定因子的响应变量，带有“主题编号”和“位置'作为随机效果。

正如我将在下面讨论的估计值，以下是受试者类型和治疗的平均值和标准偏差：

我的模型运行良好，如下所示：

然后我得到以下输出，一切看起来都很好：

但是，我现在希望进行事后对比，看看差异在“治疗”和“主题类型”的主要影响中的位置（即“主题类型 1 与主题类型 2 和 3 不同，还是只有 2/3 ?'。

我已经做了一些研究并尝试了几种方法，但我似乎有点迷茫，一切都给了我不同的结果，所以一些澄清将不胜感激。

最初，我将 Tukey's 与以下代码一起使用，对此我很满意，但我被告知这并未考虑其他主要效果的变化。这是我最初使用的代码和输出，当我在问题后面谈到差异的估计时，提供了 lsmeans 以供参考：

根据数据，这里的估计看起来确实是正确的，而那些被标记为显着的估计在绘制图表时确实看起来彼此不同。我还与“multcomp”包进行了类似的比较，它给出了不同的结果，并且估计的差异看起来不正确：

然后我尝试用 glht 做一个对比矩阵，它再次给出了相当不同的结果，并且根据数据，估计值再次看起来不正确：

更改校正显然会影响结果，但同样，估计看起来不正确：

最后，模型摘要中的模型比较似乎确实符合数据显示的内容，但再次提供了不同的 p 值，并且估计值似乎与数据不匹配：

所以我的总体问题是最适合用于确定治疗/受试者类型之间的比较？为什么两种 Tukey 方法提供不同的结果？很抱歉提出这么冗长的问题，非常感谢您的时间和建议。如果可以用相对简单的术语提供任何答案，我将不胜感激！谢谢！