multcomp -Kramer

Question

我有一个不平衡的实验，在三个地点(L，M，H)，我们测量四种不同植被类型(a，b，c，d)的参数(met)。所有的植被类型都出现在所有三个地点。植被类型在L和M上重复4次，在H上重复8次。

因此，简单的anova和TukeyHSD是行不通的。包农业(HSD.test)和DTK (DTK.test)只工作于单向设计，然后有多个复合...mcp函数中的Tukey测试是计算Tukey-Kramer对比度，还是给出常规的Tukey对比度？我假设是第一种情况，因为该软件包旨在测试不平衡设计的多个比较，但我不确定，因为两种方法产生的p值实际上是相同的。那么什么测试才是合适的呢？

此外，有没有更合适的方法来对不平衡的数据集进行这样的双向方差分析？

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

对于不平衡数据，可以使用带有类型III SS的anova代替类型I SS 1。R2中类型III anova的计算：

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

对于不平衡的数据，可以使用调整后均值的成对比较。R4中的计算

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"))

第2行和第3行比较主效"site“和"vytpe”的级别。第4行和第5行分别比较一个因素在另一个因素的每个水平上的水平。

我希望这能帮到你。

参考文献

1米利肯和约翰森。2009年。对杂乱数据的分析。第一卷。

2

3