Tukey HSD 用于 R 中的分类和连续变量

Question

我想对我成功完成的重要方差分析进行事后测试。

我有 5 个条件（target_onset），我想在一个名为 data_clean 的 df 中比较反应时间（key_resp.rt）。 target_onset 和 key_resp.rt 是列。

这就是我做方差分析的方法，效果很好：

cond.aov <- aov(data_clean$target_onset ~ data_clean$key_resp.rt)
summary(cond.aov)

接下来，我想看看事后测试是怎么说的，以找出这 5 个条件之间的哪些差异是显着的。

我知道 TukeyHSD 只考虑因素。 所以我分解了我感兴趣的列：

data_clean$target_onset <- factor(data_clean$target_onset)
data_clean$key_resp.rt <- factor(data_clean$key_resp.rt)

TukeyHSD(aov(data_clean$target_onset ~ data_clean$key_resp.rt))

但是，当我运行此代码时，出现以下错误：

类（y）<-oldClass（x）中的错误：将 class“因子”添加到无效的 object 此外：警告消息：1：在 model.response（因子响应将被忽略 2: 在 Ops.factor(y, z$residuals): '-' 对因子没有意义

任何的意见都将会有帮助。 提前致谢。

Answer 1

第一次编辑我错过了你也有公式倒退的事实！

在发布aov function之前，您需要将target_onset作为一个因素。 您根本不想让key_resp.rt成为一个因素。

所以顺序应该是...

data_clean$target_onset <- factor(data_clean$target_onset)

cond.aov <- aov(key_resp.rt ~ target_onset, data = data_clean)

summary(cond.aov)

TukeyHSD(cond.aov)

因变量（响应时间在波浪号的左侧，独立的分组变量在右侧。

如果您没有使条件/分组变量成为aov factor ，它实际上使用分组列中的数字执行lm ，您可以看到它反映在cond.aov的自由度中。

只要您已经有一个aov object 就可以尽可能简单地调用TukeyHSD