[英]Multiple comparison after ANOVA - reordering factor levels post hoc test
[英]Multiple comparison(Post hoc) for each group after two way ANOVA in R
我对 R 很陌生,需要一些帮助才能完成我想要的分析。 我有一个 dataframe 像这样(简化):
Gene time Expression
1 Gene1 W1 18.780294
2 Gene2 W1 13.932397
3 Gene3 W1 20.877093
4 Gene1 W2 9.291295
5 Gene2 W2 10.939570
6 Gene3 W2 12.236713
7 Gene1 W3 13.810722
8 Gene2 W3 23.944473
9 Gene3 W3 17.355429
我想知道每个时间点(第 1 周、第 2 周、第 3 周...)的基因(基因 1、2、3)的平均“表达”值之间是否存在显着差异。 例如,我很想知道在第 3 周(第 3 周)Gene1 的表达是否与 Gene2 显着不同我进行了 ANOVA 和 TukeyHSD
my_ANOVA = aov(Expression ~ Gene , data = my_Data)
summary(my_ANOVA)
my_posthoc =TukeyHSD(my_ANOVA, which = "Gene")
my_posthoc
结果是
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = Expression ~ Gene, data = my_Data)
$Gene
diff lwr upr p adj
Gene2-Gene1 2.3113763 -11.24096 15.86371 0.8631245
Gene3-Gene1 2.8623080 -10.69002 16.41464 0.8002795
Gene3-Gene2 0.5509317 -13.00140 14.10326 0.9914716
它为我提供了 Gene1 与 Gene2 在整个时间线上的总体比较。 但我想具体了解 W1、Gene1 和 2 时间是否不同,或者 W3 时间如何
如果您只想按时间拆分数据并分别运行每个分析,尽管数据集太小而无法产生可用的结果,但这非常简单:
my_Data.W <- split(my_Data, my_Data$time)
lapply(1:3, function(x) summary(aov(Expression~Gene, data=my_Data.W[[x]])))
lapply(1:3, function(x) TukeyHSD(aov(Expression~Gene, data=my_Data.W[[x]])))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.