我已經如何排除不需要的比較雙向ANOVA R中

被問及此事已經在stats.exchange（original question），現在我重新發布相同的內容在這裏 - 希望從更廣泛的人羣得到幫助。我已經如何排除不需要的比較雙向ANOVA R中

我想知道，以排除來自兩個因素方差分析產生的輸出所有不需要成對的方式，所以當出現顯示了概要的顯著結果（AOV（））中，事後檢驗不會給我任何我不想要的比較。詳情如下：

我有datTable含有比例數據下的兩個因子site（四個等級：A，B，C，d）和treatment（兩個級別：對照和處理）。具體而言，我想要做的所有site中成對測試每個相同treatment（例如控制-A VS.控制-B下，控制-A VS.control-C，處理-A VS.treated-C等），而不同sites和不同treatments（例如，對諸如控制-A VS.處理-B，控制-B VS.處理-C）之間的比較中排除。

的數據是這樣的：

> datTable 
    site treatment proportion 
    A control 0.5000000 
    A control 0.4444444 
    A treated 0.1000000 
    A treated 0.4000000 
    B control 0.4444444 
    B control 0.4782609 
    B treated 0.0500000 
    B treated 0.3000000 
    C control 0.3214286 
    C control 0.4705882 
    C treated 0.1200000 
    C treated 0.4000000 
    D control 0.3928571 
    D control 0.4782609 
    D treated 0.4000000 
    D treated 0.4100000

我做了一個雙向ANOVA（還不能肯定是否受site/treatment內或受site*treatment ...之間使用），並總結了結果。

m1 <- aov(proportion~site*treatment,data=datTable) # Or should I use 'site/treatment'?

然後我summary(m1)給我的以下內容：

> summary(m1) 
       Df Sum Sq Mean Sq F value Pr(>F) 
site   3 0.02548 0.00849 0.513 0.6845 
treatment  1 0.11395 0.11395 6.886 0.0305 * 
site:treatment 3 0.03686 0.01229 0.742 0.5561 
Residuals  8 0.13239 0.01655

下一步是使用TukeyHSD事後檢驗來實際看看哪一對造成site因素*意義。

> TukeyHSD(m1) 
    Tukey multiple comparisons of means 
    95% family-wise confidence level 

Fit: aov(formula = proportion ~ site * treatment, data = datTable) 

$site 
      diff  lwr  upr  p adj 
B-A -0.042934783 -0.3342280 0.2483585 0.9631797 
C-A -0.033106909 -0.3244002 0.2581863 0.9823452 
D-A 0.059168392 -0.2321249 0.3504616 0.9124774 
C-B 0.009827873 -0.2814654 0.3011211 0.9995090 
D-B 0.102103175 -0.1891901 0.3933964 0.6869754 
D-C 0.092275301 -0.1990179 0.3835685 0.7461309 

$treatment 
         diff  lwr   upr  p adj 
treated-control -0.1687856 -0.3171079 -0.02046328 0.0304535 

$`site:treatment` 
          diff  lwr  upr  p adj 
B:control-A:control -0.010869565 -0.5199109 0.4981718 1.0000000 
C:control-A:control -0.076213819 -0.5852551 0.4328275 0.9979611 
D:control-A:control -0.036663216 -0.5457045 0.4723781 0.9999828 
A:treated-A:control -0.222222222 -0.7312635 0.2868191 0.6749021 
B:treated-A:control -0.297222222 -0.8062635 0.2118191 0.3863364 # Not wanted 
C:treated-A:control -0.212222222 -0.7212635 0.2968191 0.7154690 # Not wanted 
D:treated-A:control -0.067222222 -0.5762635 0.4418191 0.9990671 # Not wanted 
C:control-B:control -0.065344254 -0.5743856 0.4436971 0.9992203 
D:control-B:control -0.025793651 -0.5348350 0.4832477 0.9999985 
A:treated-B:control -0.211352657 -0.7203940 0.2976887 0.7189552 # Not wanted 
B:treated-B:control -0.286352657 -0.7953940 0.2226887 0.4233804 # Not wanted 
C:treated-B:control -0.201352657 -0.7103940 0.3076887 0.7583437 # Not wanted 
D:treated-B:control -0.056352657 -0.5653940 0.4526887 0.9996991 
D:control-C:control 0.039550603 -0.4694907 0.5485919 0.9999713 
A:treated-C:control -0.146008403 -0.6550497 0.3630329 0.9304819 # Not wanted 
B:treated-C:control -0.221008403 -0.7300497 0.2880329 0.6798628 # Not wanted 
C:treated-C:control -0.136008403 -0.6450497 0.3730329 0.9499131 
D:treated-C:control 0.008991597 -0.5000497 0.5180329 1.0000000 # Not wanted 
A:treated-D:control -0.185559006 -0.6946003 0.3234823 0.8168230 # Not wanted 
B:treated-D:control -0.260559006 -0.7696003 0.2484823 0.5194129 # Not wanted 
C:treated-D:control -0.175559006 -0.6846003 0.3334823 0.8505865 # Not wanted 
D:treated-D:control -0.030559006 -0.5396003 0.4784823 0.9999950 
B:treated-A:treated -0.075000000 -0.5840413 0.4340413 0.9981528 
C:treated-A:treated 0.010000000 -0.4990413 0.5190413 1.0000000 
D:treated-A:treated 0.155000000 -0.3540413 0.6640413 0.9096378 
C:treated-B:treated 0.085000000 -0.4240413 0.5940413 0.9960560 
D:treated-B:treated 0.230000000 -0.2790413 0.7390413 0.6429921 
D:treated-C:treated 0.145000000 -0.3640413 0.6540413 0.9326207

然而，也有一些對我不希望被列入雙向ANOVA我預製，指定爲。

有沒有什麼辦法可以調整aov或TukeyHSD函數來排除上面列出的那些可能性（'不想要的'）？我可以很容易選擇，我從TukeyHSD產生的一長串興趣（與*）的顯著entires。但我不希望我的結果來自於這些！（它發生在真正的數據中，實際上是由那些不需要的對引起的重要性！）

注意：您可能已經注意到site:treatment事後測試沒有顯示任何意義，這是因爲我只選擇了一個小來自原始數據的樣本。

來源

2015-11-05 katie lu

您不排除任何方差分析。您可以將您的事後測試僅限於相關比較。例如，你可以進行成對t檢驗，並使用'p.adjust'進行手動調整，以便進行阿爾法錯誤通貨膨脹。 – Roland

如果你的意思是從計算完全排除這些比較，圖基檢驗的工作原理是這樣的成對比較爲條件的所有組合。「排除」任何配對沒有意義。

如果你的意思是你想從你的最後結果顯示排除不必要的比較，那麼是的，這是可能的。 TukeyHSD的結果只是一個列表，site:treatment只是一個矩陣，您可以隨意操作。

lst <- TukeyHSD(m1) 
lst[['site:treatment']] <- lst[['site:treatment']][-c(5,6,7,10,11,12,15,16,18,19,20,21),]

來源

2015-11-05 09:55:24 kliron

只是要提及這個相同的方法作爲評論... – Gaurav

感謝您的答案。我正在考慮將這些比較從ANOVA分析中排除，如果沒有sig。我感興趣的那些對之間的差異，ANOVA不會給我簽名。結果。 –

方差分析不會那樣工作。請參閱上面的羅蘭的評論。 – kliron

我已經如何排除不需要的比較雙向ANOVA R中

回答

相關問題