R - 重復測量分析 - LME 和 Tukey 事后檢驗的不同結果

Question

我目前正在 R 中對 4 個子因素進行重復測量分析：SF1、SF2、SF3、SF4

首先，需要注意的是，違反了球形假設，樣本量被認為是合理的大（N = 188）。 然而，團體規模並不相等。

對比設置表明SF1和SF2（組合）明顯高於SF3和SF4（組合）。 而 SF1 和 SF2（之間）和 SF3 和 SF4（之間）的值沒有顯着差異。 IE

Contr1<-c(1, 1, -1, -1)
Contr2<-c(1, -1, 0, 0)
Contr3<-c(0, 0, 1, -1)
contrasts(rep_table_long$Subfactor)<-cbind(Contr1, Contr2, Contr3)

一般型號代碼如下

rep_model <- lme(Value ~ Subfactor, random = ~1|Subject/Subfactor, data = rep_table_long, method ="ML")

通過執行summary(rep_model)我收到了以下（截斷）輸出Fixed effects: Value ~ Subfactor Value Std.Error DF t-value p-value (Intercept) 5.498910 0.07229032 561 76.06703 0.0000 SubfactorContr1 0.459601 0.03066438 561 14.98811 0.0000 SubfactorContr2 0.085266 0.04336598 561 1.96619 0.0498 SubfactorContr3 0.093617 0.04336598 561 2.15877 0.0313

因此，顯示SF1&SF2明顯大於SF3&SF4。 但 SF1 也明顯大於 SF2，因此 SF3 > SF4。

但是，這就是我提出問題的原因，事后 Tukey 測試顯示了不同的結果：

> postHocs <- glht (rep_model, linfct = mcp(Subfactor = "Tukey"))
> summary(postHocs)

Simultaneous Tests for General Linear Hypotheses

Multiple Comparisons of Means: Tukey Contrasts

Fit: lme.formula(fixed = Value ~ Subfactor, data = rep_table_long, random = ~1 | Subject/Subfactor, method = "ML")

Linear Hypotheses:
              Estimate Std. Error  z value   Pr(>|z|)    
SF2- SF1 == 0   -0.1872     0.0865  -2.165    0.133    
SF3- SF1 == 0   -0.9275     0.0865 -10.723   <0.001 
SF4- SF1 == 0   -1.0981     0.0865 -12.694   <0.001 
SF3- SF2 == 0   -0.7403     0.0865  -8.559   <0.001 
SF4- SF2 == 0   -0.9109     0.0865 -10.530   <0.001
SF4- SF3 == 0   -0.1705     0.0865  -1.971    0.199`

事后 Tukey 檢驗的結果表明，SF2 和 SF1 之間以及 SF4 和 SF3 之間的差異沒有顯着差異。

為什么我在兩個測試中得到不同的結果？ 是因為違反了球形度嗎？ 或者我在這里做錯了什么？

非常感謝任何幫助。

Answer 1

我在安迪菲爾德的書中讀到了這一點。 您從計划的對照測試與事后測試中獲得不同結果的原因是事后測試是雙尾的，因此適用於探索性分析（= 無假設）。 然而，對比是單尾的。 當您考慮 t 檢驗時，是否進行雙尾檢驗而不是單尾檢驗會有所不同。 此外，像 Tukey 這樣的事后檢驗是保守的（它們缺乏統計能力）。 這些可能是您沒有發現 tukey 的任何意義的原因。

此外，僅當您的樣本量相等並且您確信總體方差相似時才使用 Tukey。 （並且 Tukey 使用更多的方法會更好，但情況確實如此）。

希望這有幫助。

參考：Field, A.、Miles, J. 和 Field, Z. (2012)。 使用 R. Sage 出版物發現統計數據。