双向混合模型方差分析的Post hoc tukey检验

Question

我和我的一些学生已经在许多地方寻找到了解决这个问题的方法，但实际上已经找了好几个月了。我一直在使用我不想使用的lme命令。提供的输出不是我的同事或我自己使用了超过15年的输出。此外，考虑到我使用R作为教学工具，它在t测试和入门统计学生的单向方差之后不会很好地流动。我正在进行一个单因素重复的双向RM方差分析。我已经成功地让R复制了Sigmaplot提供的主要效果。然而，R给出的后自组织分析与Sigmaplot中的相同后自组织分析有显着不同。这是我使用的代码-带有注释(因为我也在用它来教学生)。

#IV between: IVB1 - Independent variable - between subject factor
#IV within: IVW1  - Independent variable - within subject factor
#DV: DV           - Dependent variable.

aov1= aov(DV ~ IVB1*IVW1 + Error(Subject/IVW1)+(IVB1), data=objectL)
summary(aov1)

# post hoc analysis
ph1=TukeyHSD(aov(DV ~ IVB1*IVW1, data=objectL))
ph1

我希望有人能帮上忙。谢谢!

Answer 1

我也遇到过这个问题，我从afex包中找到了aov_ez()函数来代替aov()，然后使用lsmeans()代替TukeyHSD()执行后期分析：

model <- aov_ez(data,                           
            id="SubjID",                     
            dv="DV",                         
            within=c("IVW1", "IVW2"), 
            between = "IVB1")

# Post hoc
comp = lsmeans(model,specs = ~ IVB1: IVW1: IVW2, adjust = "tukey")
contrast(comp,method="pairwise")

你可以在这里找到详细的教程：

https://www.psychologie.uni-heidelberg.de/ae/meth/team/mertens/blog/anova_in_r_made_easy.nb.html