Bagaimana cara melakukan perbandingan post-hoc pada istilah interaksi dengan model efek campuran?


11

Saya sedang mengerjakan kumpulan data untuk mengevaluasi dampak pengeringan pada aktivitas mikroba sedimen. Tujuannya adalah untuk menentukan apakah dampak pengeringan bervariasi di antara jenis sedimen dan / atau kedalaman sedimen.

Desain eksperimental adalah sebagai berikut:

  • Faktor pertama Sedimen sesuai dengan tiga jenis sedimen (kode Sed1, Sed2, Sed3). Untuk setiap jenis Sedimen, pengambilan sampel dilakukan pada tiga lokasi (3 situs untuk Sed1, 3 situs untuk Sed2, 3 situs untuk Sed3).
  • Situs dikodekan: Site1, Site2, ..., Site9.
  • Faktor berikutnya adalah Hidrologi : di setiap lokasi, pengambilan sampel dilakukan di plot kering dan plot basah (berkode Kering / Basah).

Dalam masing-masing plot sebelumnya, pengambilan sampel dilakukan pada dua Kedalaman (D1, D2) dalam rangkap tiga.

Ada total n = 108 sampel = 3 Sedimen * 3 Situs * 2 Hidrologi * 2 Kedalaman * 3 ulangan.

Saya menggunakan lme()fungsi dalam R ( paket nlme ) sebagai berikut:

Sediment <- as.factor(rep(c("Sed1","Sed2","Sed3"),each=36))
Site <- as.factor(rep(c("Site1","Site2","Site3","Site4","Site5",            
                        "Site6","Site7","Site8","Site9"),each=12))
Hydrology <- as.factor(rep(rep(c("Dry","Wet"),each=6),9))
Depth <- as.factor(rep(rep(c("D1","D2"),each=3),18))
Variable <- rnorm(108)

mydata <- data.frame(Sediment,Site,Hydrology,Depth,Variable)

mod1 <- lme(Variable ~ Sediment*Hydrology*Depth, data=mydata, 
             random=~1|Site/Hydrology/Depth)
anova(mod1)

Saya ingin menjalankan perbandingan post-hoc untuk menguji apakah suatu istilah signifikan atau tidak.

Saya dapat melakukannya untuk efek utama sederhana (misalnya, Sedimen ):

summary(glht(mod1,linfct=mcp(Sediment="Tukey")))

Tetapi glht()fungsi tidak berfungsi untuk istilah interaksi.

Saya menemukan bahwa yang berikut ini dapat bekerja untuk anova 2 arah:

mod1 <- lme(Variable~Sediment*Hydrology, data=mydata, 
            random=~1|Site/Hydrology)
mydata$SH <- interaction(mydata$Sediment, mydata$Hydrology)
mod2 <- lme(Variable ~ -1 + SH, data=mydata, random=~1|Site/Hydrology)
summary(glht(mod2, linfct=mcp(SH="Tukey")))

Apakah mungkin untuk menggunakan pendekatan yang sama dalam kasus anova 3 arah? Setiap bantuan dalam cara melakukan perbandingan pasca-hoc pada istilah interaksi dalam kasus ini akan sangat dihargai.

Jawaban:



3

Maksud Anda, Anda ingin melakukan semua perbandingan berpasangan untuk tiga faktor?

mod1<-lme(Variable~Sediment*Hydrology*Depth, data=mydata, random=~1|Site/Hydrology/Depth)
mydata$SHD<-interaction(mydata$Sediment,mydata$Hydrology,mydata$Depth)
mod2<-lme(Variable~-1+SHD, data=mydata, random=~1|Site/Hydrology/Depth)
summary(glht(mod2,linfct=mcp(SHD="Tukey")))

Saya ingin melakukan perbandingan berpasangan untuk istilah interaksi dua arah, misalnya " Hidrologi Sedimen ". Jika tabel anova menunjukkan bahwa interaksi Sedimen Hidrologi penting untuk model lengkap, mod1<-lme(Variable~Sediment*Hydrology*Depth, data=mydata, random=~1|Site/Hydrology/Depth)saya tidak berpikir bahwa itu benar untuk melakukan perbandingan post-hoc (pada interaksi Sedimen * Hidrologi) dengan cara berikut:mydata$SH<-interaction(mydata$Sediment,mydata$Hydrology) mod2<-lme(Variable~-1+SH, data=mydata, random=~1|Site/Hydrology/Depth) summary(glht(mod2,linfct=mcp(SH="Tukey")))
John Smith
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.