multcomp Tukey-Kramer

Question

Üç farklı yerde (L, M, H), dört farklı bitki örtüsü türünde (a, b, c, d) bir parametreyi (met) ölçtüğümüz dengesiz bir denemeye sahibim. Tüm bitki örtüsü türleri her üç bölgede de mevcuttur. Bitki örtüsü türleri nedenle basit varyans analizi ve TukeyHSD çalışmaz H.

de L ve M de 4 kez ve 8 kat çoğaltılır. Paketler Agricolae (HSD.test) ve DTK (DTK.test) tek bir yolu tasarımları için çalışıyoruz ve daha sonra multcomp mcp işlevinde Tukey testi Tukey-Kramer tezat veya düzenli Tukey tezat veriyor hesaplamak mu ... var mı? Ben paket dengesiz tasarımlar için çoklu karşılaştırma testi yönelikse, çünkü durum ilk tahmin, ancak her iki yaklaşımın üretilen p-değerleri hemen hemen aynı olduğu için ben emin değilim. Hangi test uygun olur? Ayrıca

, dengesiz veri kümeleri için böyle bir iki yönlü anova yapıyor yönelik daha uygun yaklaşım vardır? dengesiz veriler için

library(multcomp) 

(met  <- c(rnorm(16,6,2),rnorm(16,5,2),rnorm(32,4,2))) 
(site <- c(rep("L", 16), rep("M", 16), rep("H", 32))) 
(vtype <- c(rep(letters[1:4], 16), rep(letters[1:4], 16), rep(letters[1:4], 32))) 

dat <- data.frame(site, vtype, met) 

# using aov and TukeyHSD 
aov.000 <- aov(met ~ site * vtype, data=dat) 
summary(aov.000) 
TukeyHSD(aov.000) 

# using Anova, and multcomp 
lm.000  <- lm(met ~ site * vtype, data=dat) 
summary(lm.000) 
library(car) 
Anova.000 <- Anova(lm.000, data=dat) 

dat$int <- with(dat, interaction(site, vtype, sep = "x")) 
lm.000 <- lm(met ~ int, data = dat) 
summary(lm.000) 
summary(glht.000 <- glht(lm.000, linfct = mcp(int = "Tukey"))) 

Answer 1

, tip III ANOVA SS yerine Çeşidi kullanılabilir, ki SS [1]. [2], R tip III Anova hesaplaması: dengesiz veriler için

model <- (met ~ site * vtype) 
defopt <- options() 
options(contrasts=c("contr.sum", "contr.poly")) 
print(drop1(aov(model),~.,test="F")) 
options <- defopt 

ayarlanabilir aracının çift yönlü kıyaslamalar kullanılabilmektedir. [4], R Hesaplama:

library(lsmeans) 
print(lsmeans(model, list(pairwise ~ site)), adjust = c("tukey")) 
print(lsmeans(model, list(pairwise ~ vtype)), adjust = c("tukey")) 
print(lsmeans(model, list(pairwise ~ site | vtype)), adjust = c("tukey")) 
print(lsmeans(model, list(pairwise ~ vtype | site)), adjust = c("tukey")) 

hatlar 2 ve 3 ana etkileri "site" ve "vytpe" seviyelerini karşılaştırır. 4. ve 5. satırlar, bir faktörün düzeylerini, diğer faktörlerin her seviyesinde ayrı ayrı karşılaştırır.

Umarım bu yardımcı olur.

Kaynaklar

[1] Miliken Johnsen. 2009. Dağınık verilerin analizi. Ses 1.

[2] http://www.statmethods.net/stats/anova.html

[3] http://cran.r-project.org/web/packages/lsmeans/vignettes/using-lsmeans.pdf