如何在R中为这些最低显着性差异(LSD)结果创建字母摘要？

Question

我试着在R中比较不同材料重量的材料的抗拉强度。拉伸数据如下：

tensile <- read.table(text="   Weight Strength Replicate
1      15        7         1
2      15        7         2
3      15       15         3
4      15       11         4
5      15        9         5
6      20       12         1
7      20       17         2
8      20       12         3
9      20       18         4
10     20       18         5
11     25       14         1
12     25       18         2
13     25       18         3
14     25       19         4
15     25       19         5
16     30       19         1
17     30       25         2
18     30       22         3
19     30       19         4
20     30       23         5
21     35        7         1
22     35       10         2
23     35       11         3
24     35       15         4
25     35       11         5", header=TRUE)

就本分析而言，应将变量Weight视为一个因子(解释性/自变量)：

tensile$Weight <- factor(tensile$Weight)

我首先对我的数据拟合了一个单向ANOVA模型：

tensile.aov <- aov(Strength ~ Weight, data = tensile)

根据方差分析，对于响应(强度)来说，不同的权重似乎是不同的。因此，我决定使用LSD (最小显着性差异)进行成对比较：

LSD.aov(tensile.aov)

然而，这个LSD函数是通过一个单独的文件提供的，所以很遗憾我无法在这里分享代码。

我计算了我的数据的LSD，得到了下表：

​

​

请注意，根据原始p值，35和15以及25和20权重之间的成对比较是唯一在alpha = 0.05显著性水平上彼此没有显著差异的权重；其他成对比较是显著不同的。我想创建一个字母摘要来说明这一点，其中只有当组之间没有显著差异时才具有相同的字母，而不具有相同字母的组彼此之间存在显著差异：

​

​

如何在R中创建这样一个表？

我也完全接受“手动”解决方案。这里，我指的是使用向量等手动创建表。我是R的新手，所以我甚至不能很好地掌握最基本的方面。

Answer 1

multcompView包可以将p值转换为字母，但在本例中，emmeans包既可以执行比较，也可以执行字母。

library(emmeans)
em <- emmeans(tensile.aov, ~Weight)

summary(pairs(em, adjust="none"), infer=TRUE)
#>  contrast estimate      SE df    lower.CL   upper.CL t.ratio p.value
#>  15 - 20      -5.6 1.79555 20  -9.3454518 -1.8545482  -3.119  0.0054
#>  15 - 25      -7.8 1.79555 20 -11.5454518 -4.0545482  -4.344  0.0003
#>  15 - 30     -11.8 1.79555 20 -15.5454518 -8.0545482  -6.572  <.0001
#>  15 - 35      -1.0 1.79555 20  -4.7454518  2.7454518  -0.557  0.5838
#>  20 - 25      -2.2 1.79555 20  -5.9454518  1.5454518  -1.225  0.2347
#>  20 - 30      -6.2 1.79555 20  -9.9454518 -2.4545482  -3.453  0.0025
#>  20 - 35       4.6 1.79555 20   0.8545482  8.3454518   2.562  0.0186
#>  25 - 30      -4.0 1.79555 20  -7.7454518 -0.2545482  -2.228  0.0375
#>  25 - 35       6.8 1.79555 20   3.0545482 10.5454518   3.787  0.0012
#>  30 - 35      10.8 1.79555 20   7.0545482 14.5454518   6.015  <.0001
#>
#> Confidence level used: 0.95

cld(em, adjust="none")
#>  Weight emmean       SE df  lower.CL upper.CL .group
#>  15        9.8 1.269646 20  7.151566 12.44843  1    
#>  35       10.8 1.269646 20  8.151566 13.44843  1    
#>  20       15.4 1.269646 20 12.751566 18.04843   2   
#>  25       17.6 1.269646 20 14.951566 20.24843   2   
#>  30       21.6 1.269646 20 18.951566 24.24843    3  
#> 
#> Confidence level used: 0.95 
#> significance level used: alpha = 0.05

Answer 2

我设法做到了以下几点：

Weight = c(15, 20, 25, 30, 35)
mean = c(9.8, 15.4, 17.6, 21.6, 10.8)
letters = c("a", "b", "b", "", "a")
LSDletterSummary <- data.frame(Weight, mean, letters)
LSDletterSummary

如果有人有更好的方法，请随时分享。