R：對混合線性 model 進行 ANOVA 后的事后測試給出不同的結果，為什么以及如何進行？

Question

這個問題是從 Stack Overflow 遷移而來的，因為它可以在 Cross Validated 上得到回答。 5 天前遷移。

我想對混合線性 model 執行 ANOVA 測試。

我在 2 個獨立條件下測量了可變響應“ CK ”：-2 組馬（獨立變量：Groupe： Groupe 1和Groupe 2 ：介於兩者之間）-在每個受試者的 2 個時間點（獨立變量： Temps：T0和T4 ，主題內：重復測量）

這是我的數據集：數據

我想通過事后測試執行雙向方差分析（在 Groupe 和 Time 上）。 我構建了一個混合線性 model：

model <- lme(**CK~Temps*Groupe, random=~1|Cheval**,data=data, na.action=na.omit)

並對 model 進行了方差分析測試

anova(modelCK, type = "marginal")

summary(modelCK)

由此; 我只有時間的顯着影響。 現在我想做事后測試以了解顯着差異在哪里。

我的問題是； 我嘗試了幾個選項來獲得事后測試並得到不同的結果。 我很困惑，不知道該保留什么。

***我開始使用 emmeans：

emmeans(modelCK, pairwise~Temps, adjust = "bonferroni")

emmeans(modelCK, pairwise~Groupe, adjust = "bonferroni")

emmeans(modelCK, list(pairwise~ Groupe | Temps),adjust = "bonferroni")

emmeans(modelCK, list(pairwise~ Temps| Groupe),adjust = "bonferroni")

我發現第 1 組和第 2 組之間的 T4 存在顯着差異我發現第 1 組（僅，不是第 2 組）在 T0 和 T4 之間存在顯着差異。

***然后我用 lsmeans

summary( lsmeans( model, pairwise ~ Groupe*Temps), infer=TRUE)

在這里，我沒有發現第 1 組和第 2 組之間在 T4 的差異，但我發現第 2 組在 T0 和 T4 之間存在差異，在第 1 組的差異之上。

***然后我將單向方差分析與事后 t 檢驗結合使用

對於主體間因素（組）：

one.way <- data %>% 
           group_by(Temps) %>% 
           anova_test(dv = CK, wid = Cheval, between = Groupe) %>% 
           get_anova_table() %>%  
           adjust_pvalue(method = "bonferroni")

pwc <- data %>% group_by(Temps) %>% pairwise_t_test(CK ~ Groupe, p.adjust.method = "bonferroni") pwc

組間在 T4 時無顯着差異。

對於主題內因素（時間）：

one.way2 <- data %>% group_by(Groupe) %>% anova_test(dv = CK, wid = Cheval, within = Temps) %>% get_anova_table() %>% adjust_pvalue(method = "bonferroni")


pwc2 <- data %>%
     group_by(Groupe) %>%
     pairwise_t_test(CK ~ Temps, paired = TRUE, p.adjust.method = "bonferroni") %>%
     select(-df, -statistic, -p) pwc2

在這里，我發現Groupe 1 和 Groupe 2 在 T0 和 T4 之間的值上存在差異。

為什么根據使用的 function 結果會有這么多差異？ 我的代碼合適嗎？

先感謝您，

問候，

---

編輯：

我想調查 CK 參數是否隨時間顯着增加（Temps），以及增加是否因組（Groupe）而不同。 實際上只是為了比較該箱線圖上的 4 個條件

Answer 1

將以下內容添加到您的文件類型.vim（這將在您的 $VIM/vim72 目錄中，或者您可以在您自己的個人.vim 目錄中創建一個）。 這將告訴 Vim 自動將 xaml 文件的文件類型設置為 xml。

" Xaml
au BufNewFile,BufRead *.xaml        setf xml

Answer 2

將此行放在源文件的底部，您應該與 VS2008 兼容：

<!-- vim: tw=120 ts=4 sw=4 et syn=xml : 
-->

Answer 3

是的。 XAML 實際上只是 XML ，因此是純文本。

這是一個“Hello World”示例。

<Canvas xmlns="http://schemas.microsoft.com/client/2007"  
        xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml">
  <TextBlock>Hello World!</TextBlock>
</Canvas>

如果您還沒有 XML 插件，您可能想嘗試xmledit

Answer 4

如果你想要完整的智能感知等......可能值得探索的一個選項是ViEmu ，它為 Visual Studio 帶來了 vim 鍵綁定。

Answer 5

只是一些快速的點...

1. 您嘗試的單向方法不使用您安裝的 model。 它們基於更簡單的模型，並忽略部分數據。 我建議反對他們。

2. lsmeans()和emmeans()之間沒有區別，除了結果中的列標題。 因此，如果您從具有相同規格的這兩個函數中得到不同的結果，則意味着您更改了 model 或在某處犯了錯誤。 （ lsmeans只是一個較舊的術語，其隱含的“最小二乘”並不總是適合它可以處理的模型。）

3. 如果你問不同的問題，你會得到不同的答案。 所以你應該首先考慮你想問什么問題，而不是通過比較不同問題的答案來搖尾巴。

   (a) 我建議執行類似emmip(modelCK, Groupe ~ Temps)的操作，讓您了解 model 告訴您的內容。

   (b) 方差分析的結果沒有顯示，所以我只能猜測什么是對的。 但首先要看的是交互。 如果這真的不重要（不僅僅是不重要），那么您應該對每個因素進行邊際均值及其比較（顯示的前兩個emmeans調用。但考慮首先重新安裝 model 並移除交互（ CK ~ Temps + Groupe ）。

   (c) 如果不能忽略交互作用，那么這表明顯示的條件交互作用。 后者更詳細，因此如果不需要，應避免使用。

4. 使用adjust = "bonf"會給你一個過度保守的調整。 我建議把它拿出來並使用默認的 Tukey 調整。

5. 考慮找一位顧問。 許多統計部門可以與您聯系。 統計不僅僅是運行程序。 正確解釋您的研究結果對您來說有多重要？

Answer 6

當然。 為了獲得更好的體驗，請嘗試一些 XML 插件（用於折疊等）並打開語法突出顯示。

Answer 7

我想調查 CK 參數是否隨時間顯着增加（Temps），以及增加是否因組（Groupe）而不同。 實際上只是為了比較該箱線圖上的 4 個條件