[英]How can I classify post-hoc test results in R?
我试图理解如何在R中使用ANOVA和事后测试。到目前为止,我已经使用aov()和TukeyHSD()来分析我的数据。 例:
uni2.anova <- aov(Sum_Uni ~ Micro, data= uni2)
uni2.anova
Call:
aov(formula = Sum_Uni ~ Micro, data = uni2)
Terms:
Micro Residuals
Sum of Squares 0.04917262 0.00602925
Deg. of Freedom 15 48
Residual standard error: 0.01120756
Estimated effects may be unbalanced
我的问题是,现在我有一个巨大的成对比较列表,但不能用它做任何事情:
TukeyHSD(uni2.anova)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = Sum_Uni ~ Micro, data = uni2)
$Micro
diff lwr upr p adj
Act_Glu2-Act_Ala2 -0.0180017863 -0.046632157 0.0106285840 0.6448524
Ana_Ala2-Act_Ala2 -0.0250134285 -0.053643799 0.0036169417 0.1493629
NegI_Ala2-Act_Ala2 0.0702274527 0.041597082 0.0988578230 0.0000000
这个数据集有40行...想要,我想得到一个看起来像这样的数据集:
我希望你明白这一点。 到目前为止,我没有发现任何类似的在线...我也试图在TukeyHSD文件中只选择重要的对,但文件不“承认”它由行和列组成,使选择不可能.. 。
也许我的方法存在根本性的错误?
我认为OP希望这些字母可以看到比较。
library(multcompView)
multcompLetters(extract_p(TukeyHSD(uni2.anova)))
那会给你的信件。
您也可以使用multcomp包
library(multcomp)
cld(glht(uni2.anova, linct = mcp(Micro = "Tukey")))
我希望这就是你所需要的。
TukeyHSD的结果是一个列表。 使用str
来查看结构。 在你的情况下,你会看到它是一个项目的列表,该项目基本上是一个矩阵。 因此,要提取第一列,您需要保存TukeyHSD结果
hsd <- TukeyHSD(uni2.anova)
如果你看看str(hsd)
,那么你可以得到一些......
hsd$Micro[,1]
这将为您提供差异列。 你应该能够提取你想要的东西。
很难说没有示例数据,但假设Micro
只是4级的因素而uni2
看起来像
n = 40
Micro = c('Act_Glu2', 'Act_Ala2', 'Ana_Ala2', 'NegI_Ala2')[sample(4, 40, rep=T)]
Sum_Uni = rnorm(n, 5, 0.5)
Sum_Uni[Micro=='Act_Glu2'] = Sum_Uni[Micro=='Act_Glu2'] + 0.5
uni2 = data.frame(Sum_Uni, Micro)
> uni2
Sum_Uni Micro
1 4.964061 Ana_Ala2
2 4.807680 Ana_Ala2
3 4.643279 NegI_Ala2
4 4.793383 Act_Ala2
5 5.307951 NegI_Ala2
6 5.171687 Act_Glu2
...
那么我认为你真正想要的是基本的多元回归输出:
fit = lm(Sum_Uni ~ Micro, data = uni2)
summary(fit)
anova(fit)
> summary(fit)
Call:
lm(formula = Sum_Uni ~ Micro, data = uni2)
Residuals:
Min 1Q Median 3Q Max
-1.26301 -0.35337 -0.04991 0.29544 1.07887
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.8364 0.1659 29.157 < 2e-16 ***
MicroAct_Glu2 0.9542 0.2623 3.638 0.000854 ***
MicroAna_Ala2 0.1844 0.2194 0.841 0.406143
MicroNegI_Ala2 0.1937 0.2158 0.898 0.375239
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.4976 on 36 degrees of freedom
Multiple R-squared: 0.2891, Adjusted R-squared: 0.2299
F-statistic: 4.88 on 3 and 36 DF, p-value: 0.005996
> anova(fit)
Analysis of Variance Table
Response: Sum_Uni
Df Sum Sq Mean Sq F value Pr(>F)
Micro 3 3.6254 1.20847 4.8801 0.005996 **
Residuals 36 8.9148 0.24763
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
您可以访问任何这些表中的数字,例如,
> summary(fit)$coef[2,4]
[1] 0.0008536287
要查看每个对象中存储的内容列表,请使用names()
:
> names(summary(fit))
[1] "call" "terms" "residuals" "coefficients"
[5] "aliased" "sigma" "df" "r.squared"
[9] "adj.r.squared" "fstatistic" "cov.unscaled"
除了您发现的TukeyHSD()
函数之外,还有许多其他选项可用于进一步查看成对测试,并根据需要更正p值。 这些措施包括pairwise.table()
estimable()
在gmodels
中, resampling
和boot
包,和其他...
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.