8

Saya memiliki masalah dalam menemukan solusi tentang cara menjalankan tes post-hoc (Tukey HSD) setelah 2-faktor (keduanya dalam-mata pelajaran) mengukur ANOVA berulang dalam R. Untuk ANOVA, saya telah menggunakan fungsi aov:

summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1))

Setelah membaca jawaban untuk pertanyaan lain, saya mengumpulkan bahwa saya pertama-tama harus menjalankan kembali ANOVA menggunakan beberapa fungsi lain (misalnya, lme). Inilah yang saya pikirkan.

Lme.mod <- lme(dv ~ x1*x2, random=list(subject=pdBlocked(list(~1, pdIdent(~x1-1), pdIdent(~x2-1)))), data=df1)
anova(Lme.mod)

Kedua efek utama itu signifikan, tetapi tidak ada efek interaksi. Kemudian, saya menggunakan fungsi-fungsi ini untuk perbandingan post-hoc:

summary(glht(Lme.mod, linfct=mcp(x1="Tukey")))
summary(glht(Lme.mod, linfct=mcp(x2="Tukey")))

Namun, ada beberapa masalah:

Pertama-tama, file Bantuan R mengatakan bahwa "Fungsi mcp harus digunakan dengan hati-hati ketika mendefinisikan parameter yang diminati dalam model ANOVA atau ANCOVA dua arah (...) multcomp versi 1.0-0 dan lebih tinggi menghasilkan perbandingan untuk efek utama hanya, mengabaikan kovariat dan interaksi (versi lama secara otomatis dirata-ratakan berdasarkan istilah interaksi). Sebuah peringatan diberikan. " Dan benar saja, saya menerima pesan peringatan berikut:

Warning message:
In mcp2matrix(model, linfct = linfct) :
covariate interactions found -- default contrast might be inappropriate

Hal lain yang membingungkan adalah bahwa meskipun kedua efek utama itu signifikan, tidak ada perbedaan yang signifikan dalam perbandingan post-hoc untuk salah satu faktor (x1). Saya belum pernah mengalami ini sebelumnya. Apakah skrip / analisisnya benar / sesuai, atau ada sesuatu yang saya lewatkan? Bantuan apa pun akan sangat dihargai!

r anova repeated-measures post-hoc tukey-hsd goodness-of-fit curve-fitting sem latent-variable mplus anova post-hoc tukey-hsd markov-process image-processing r time-series causality granger-causality anova mixed-model lme4-nlme random-effects-model r matlab data-transformation multinomial notation estimation nonparametric logistic r missing-data multiple-imputation mice

— Jonna
sumber

Selamat datang di situs ini, @Jonna. Apakah Anda hanya tertarik pada cara mendapatkan R untuk melakukan ini? Jika demikian, pertanyaan ini akan di luar topik untuk CV (lihat FAQ kami ), tetapi sesuai topik untuk Stack Overflow . Saya tidak tahu apakah pertanyaan Anda adalah tentang sifat tes post-hoc dengan data pengukuran berulang, atau pertanyaan algoritmik tentang pengkodean R. Harap edit untuk menjelaskan. (Perhatikan bahwa jika Anda hanya ingin tahu tentang R, kami dapat memigrasikan Q Anda; mohon jangan posting-silang ).

— gung - Reinstate Monica

1

@Gung terima kasih! Saya kira pertanyaan saya ada hubungannya dengan keduanya ... Saya mencoba mengklarifikasi masalah dengan mengedit posting saya!

— Jonna

2

Akan

df1$x1x2=interaction(df1$x1,df1$x2)
library(lmerTest)
Lme.mod <- lme(dv ~ x1x2, random=~1|subject,
               correlation=corCompSymm(form=~1|subject),
               data=df1)
anova(Lme.mod)
summary(glht(Lme.mod, linfct=mcp(x1x2="Tukey")))

menjadi apa yang Anda kejar, yaitu melakukan tes posthoc di antara semua kombinasi tingkat pengukuran kedua faktor x1 dan x2? (Saya juga memberlakukan simetri gabungan, untuk membuat hasil lme cocok dengan tindakan berulang yang diulangi)

— Tom Wenseleers
sumber

-2

Tukey Multicomparison Test

Instal paket multcomp, install.packages ("multcomp")
Sediakan multcomp untuk digunakan perpustakaan ("multcomp")
Periksa sedang berjalan - Menjelaskan paket apa yang saat ini terbuka di pencarian R ()

Kemudian gunakan fungsi glht ()

— pengguna2037072
sumber

Tes post-hoc setelah 2-faktor berulang mengukur ANOVA di R?

Tukey Multicomparison Test