如何解釋R中的TukeyHSD輸出？ （關於基礎回歸模型）

Question

我建立了一個簡單的線性回歸模型，以“得分”為因變量，以“活動”為獨立變量。 “活動”具有5個級別：“監聽”（參考級別），“ read1”，“ read2”，“ watch1”，“ watch2”。

Call:
lm(formula = Score ~ Activity)

Residuals:
     Min       1Q   Median       3Q      Max 
-22.6154  -8.6154  -0.6154   7.1346  31.3846 

Coefficients:
               Estimate Std. Error t value Pr(>|t|)    
(Intercept)      41.615      2.553  16.302   <2e-16 ***
Activityread1     6.385      7.937   0.804   0.4254    
Activityread2    20.885      9.552   2.186   0.0340 *  
Activitywatch1    3.885      4.315   0.900   0.3728    
Activitywatch2  -11.415      6.357  -1.796   0.0792 .  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 13.02 on 45 degrees of freedom
Multiple R-squared:  0.1901,    Adjusted R-squared:  0.1181 
F-statistic:  2.64 on 4 and 45 DF,  p-value: 0.04594

為了獲得所有成對的比較，我執行了TukeyHSD測試，我的輸出難以解釋。 雖然模型的輸出表明，我們具有的唯一顯着效果是由於“監聽”和“ read2”之間的對比，但TukeyHSD結果表明，“ watch2”和“ read2”之間只有唯一的對比。 這是什么意思？

 > TukeyHSD(aov(mod4), "Activity") Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = mod4) $Activity diff lwr upr p adj read1-listen 6.384615 -16.168371 28.937602 0.9279144 read2-listen 20.884615 -6.256626 48.025857 0.2034549 watch1-listen 3.884615 -8.376548 16.145779 0.8952957 watch2-listen -11.415385 -29.477206 6.646437 0.3885969 read2-read1 14.500000 -19.264610 48.264610 0.7397464 watch1-read1 -2.500000 -26.031639 21.031639 0.9981234 watch2-read1 -17.800000 -44.811688 9.211688 0.3466391 watch1-read2 -17.000000 -44.959754 10.959754 0.4278714 watch2-read2 -32.300000 -63.245777 -1.354223 0.0368820 watch2-watch1 -15.300000 -34.569930 3.969930 0.1783961 

Answer 1

在您的初始模型摘要中，“ Estimate顯示相對於“偵聽”組的平均值（40.615）的每組平均值的估計差異。 僅計算這4個比較時，“ read2”組與“ listen”組的偏移最大（+20.885），當p = .0340時被稱為有效。

由於TUKEYHSD正在針對組均值執行所有成對比較（不再只是參考級別“監聽”），因此它還在執行p值調整以解決所有這些額外測試。 原因是，如果您對隨機數據進行了20次比較，則您會因為進行了多次測試而將一個（1/20或.05）稱為p < .05 。 計入p值調整后，您原來在“聽-讀2”之間的顯着比較將不再具有顯着性。

但是“ watch2-read2”（-32.3）之間的較大差異（未經原始模型摘要測試），即使經過所有額外的比較調整后，也足以視為p = .03688顯着差異。

希望能對您有所幫助，您可以在此處閱讀更多有關多重同伴關系問題的信息 。 並參閱?p.adjust以?p.adjust R最受歡迎的方法的實現。