Comment faire un test de Tukey HSD avec l'analyse de la Variance de commande (voiture package)

Je fais face à un déséquilibre de la structure de conception de l'échantillon et de l'origine appris aov(). Maintenant, je sais que pour mon ANOVA tests, j'ai besoin d'utiliser le Type III de la Somme des Carrés qui implique l'utilisation de montage à l'aide de lm() plutôt que d'utiliser aov().

Le problème est d'obtenir les tests post-hoc (plus précisément de Tukey HSD) à l'aide de lm(). Toutes les recherches que j'ai faites a dit qu'en utilisant simint dans le multcomp paquet de travail, mais maintenant qu'il est mis à jour que la commande semble ne pas être disponibles. Il semble également invoquer en passant par aov() à calculer.

Essentiellement, tous les Tukey HSD tests, j'ai trouvé pour la R supposons que vous utilisez aov() pour la comparaison plutôt que lm(). Pour obtenir le Type III de la Somme des Carrés dont j'ai besoin pour le déséquilibre dans la conception que j'ai utiliser:

mod<-lm(Snavg~StudentEthnicity*StudentGender)

Anova(mod, type="III")

Comment puis-je utiliser un test de Tukey HSD avec mon mod à l'aide de lm()? Ou, à l'inverse, calculer mon analyse de la VARIANCE à l'aide de Type III et toujours être en mesure d'exécuter un test de Tukey HSD?

Merci!

OriginalL'auteur leighadlr | 2011-10-11

  1. 7

    Essayer HSD.test dans agricolae

    library(agricolae)
data(sweetpotato)
model<-lm(yield~virus, data=sweetpotato)
comparison <- HSD.test(model,"virus", group=TRUE,
main="Yield of sweetpotato\nDealt with different virus")

    Sortie

    Study: Yield of sweetpotato
Dealt with different virus

HSD Test for yield 

Mean Square Error:  22.48917 

virus,  means

      yield  std.err replication
cc 24.40000 2.084067           3
fc 12.86667 1.246774           3
ff 36.33333 4.233727           3
oo 36.90000 2.482606           3

alpha: 0.05 ; Df Error: 8 
Critical Value of Studentized Range: 4.52881 

Honestly Significant Difference: 12.39967 

Means with the same letter are not significantly different.

Groups, Treatments and means
a        oo      36.9 
ab       ff      36.33333 
 bc      cc      24.4 
  c      fc      12.86667
    Je suis d'essayer d'utiliser ce paquet/commande avec mes données: HSD.test(mod, group=TRUE, main= "SN Average by ethnicity & gender") mais je suis toujours une erreur: Error in as.character(x) : 'x' is missing. En regardant la sortie, cependant, il ne semble pas correspondre à la déclaration de p-valeurs que vous obtenez à partir de TukeyHSD. Je vais continuer à essayer et voir si je peux trouver ce qui ne va pas. Merci!
    J'ai trouvé cette question et je n'en unterstand les groupes qui sont maintenant siginificantly différents. Pourriez-vous expliquer l'exemple peu plus en détail?
    étrange comportement de hsd.fonction de test car si vous n'avez pas l'affecter à une variable, il imprime rien. Peut être déroutant la première fois.
    si vous définissez la console de vrai comme l'a suggéré Sollano, il permet d'imprimer sans enregistrer les données à une variable
    Cette solution est pour une conception expérimentale. Si votre conception est différente de regarder le manuel de référence -> le groupe doit être défini sur F pour les non-expérimental, par exemple

    OriginalL'auteur MYaseen208

  2. 1

    J'ai été coincé avec le même problème de l'HSD.test de l'impression de rien. Vous avez besoin de mettre console=TRUE à l'intérieur de la fonction, de sorte qu'il imprime automatiquement.

    Par exemple:

    HSD.test(alturacrit.anova, "fator", console=TRUE).
Hope it helps!

    OriginalL'auteur Sollano

  3. 1

    J'ai trouvé HSD.test() également être très méticuleux au sujet de la façon dont vous avez construit le lm() ou aov() modèle que vous êtes en utilisant pour cela.

    Il n'y a pas de sortie de HSD.test() avec mes données lorsque je l'avais utilisé à la suite d'idée de codage pour lm() : 

        model<-lm(sweetpotato$yield ~ sweetpotato$virus)  
    out <- HSD.test(model,"virus", group=TRUE, console=TRUE)

    Résultat a été que:

        Name:  virus 
    sweetpotato$virus

    La sortie a été aussi mauvais l'un que lors de l'utilisation de la même logique pour aov()

        model<-aov(sweetpotato$yield ~ sweetpotato$virus)

    Pour obtenir la sortie de HSD.test() la lm()
    (ou aussi si l'utilisation de aov() pour le modèle )
    doivent être construits de manière strictement à l'aide de la logique présentée dans le MYaseen208 réponse:

        model <- lm(yield~virus, data=sweetpotato)

    Espère que cela aide quelqu'un qui n'est pas d'avoir un bon de sortie à partir de HSD.test().

    Si vous utilisez aov pour exécuter votre analyse de la VARIANCE vous pouvez également utiliser TukeyHSD de la R stats (de base) pacakge. Fonctionne vraiment bien! La raison pour laquelle vous souhaitez utiliser HSD.test de la agricolae paquet est parce que TukeyHSD ne fonctionne pas avec la voiture de paquet, ce qui permet de préciser les différents types de SS.

    OriginalL'auteur LeenaH

  4. 1

    Comme une note initiale, sauf si elle a été modifiée, pour obtenir des résultats corrects pour le type iii somme de carrés, vous devez régler le contraste codant pour le facteur de variables. Cela peut être fait à l'intérieur de la lm appel ou avec options. L'exemple ci-dessous utilise options.

    Je serais prudent sur l'utilisation de HSD.test et des fonctions similaires avec les conceptions non-équilibrées, à moins que la documentation traite de leur utilisation dans ces situations. La documentation pour TukeyHSD mentionne qu'il s'adapte pour "légèrement déséquilibré" dessins et modèles. Je ne sais pas si HSD.test gère les choses différemment. Vous devez vérifier que la documentation supplémentaire pour l'emballage ou l'original de la référence citée pour la fonction.

    Comme une note de côté, qui renferme l'ensemble de HSD.test de la fonction entre parenthèses les fera imprimer les résultats. Voir l'exemple ci-dessous.

    En général, je recommande l'abandon de Tukey.HSD et des fonctions similaires, et grâce à la souplesse du emmeans (née lsmeans) ou multcomp forfaits pour tous vos post-hoc de comparaison des besoins. emmeans est particulièrement utile pour faire moyenne des séparations sur les interactions ou pour l'examen de contrastes entre les traitements.

    Avec un déséquilibre de la conception, vous pouvez signaler l'E. M. (L. S.) moyens au lieu de la moyenne arithmétique. Voir SAEPER: Ce sont des moindres carrés?. Remarque: dans l'exemple ci-dessous que le marginal moyen déclaré par emmeans sont différents de ceux rapportés par HSD.test.

    À noter également que la "Tukey" dans glht n'a rien à voir avec Tukey HSD ou de Tukey-ajusté des comparaisons; simplement, il met en place les contrastes pour toutes les paires de tests, comme la sortie dit.

    Cependant, la adjust="tukey" dans emmeans fonctions ne signifie utiliser Tukey-ajusté des comparaisons, car la sortie dit.

    L'exemple suivant est partiellement adaptée de ARCHBS: One-way Anova.

    if(!require(car)){install.packages("car")}
library(car)
data(mtcars)
mtcars$cyl.f = factor(mtcars$cyl)
mtcars$carb.f = factor(mtcars$carb)

options(contrasts = c("contr.sum", "contr.poly"))

model = lm(mpg ~ cyl.f + carb.f, data=mtcars)

library(car)
Anova(model, type="III")

if(!require(agricolae)){install.packages("agricolae")}
library(agricolae)
(HSD.test(model, "cyl")$groups)

if(!require(emmeans)){install.packages("emmeans")}
if(!require(multcompView)){install.packages("multcompView")}
library(emmeans)
library(multcompView)

marginal = emmeans(model,
                   ~ cyl.f)

pairs(marginal, adjust="tukey")

cld(marginal, adjust="tukey", Letters=letters)


if(!require(multcomp)){install.packages("multcomp")}
library(multcomp)

mc = glht(model,
          mcp(cyl.f = "Tukey"))

summary(mc, test=adjusted("single-step"))

multcomp::cld(mc)
    Merci pour le pointeur de la Sal! L'option contraste existe encore dans la voiture paquet selon le manuel de référence. J'ai commencé à travailler mon chemin à travers elle.

    OriginalL'auteur Sal Mangiafico