multcomp Tukey-Kramer

Question

我有一个不平衡的实验，其中在三个站点（L、M、H）中，我们测量四种不同植被类型（a、b、c、d）的一个参数（met）。所有植被类型都存在于三个站点。在L和M处，植被类型重复4次，在H处重复8次。

因此，简单的方差分析和TukeyHSD无法使用。Agricolae（HSD.test）和DTK（DTK.test）软件包仅适用于单向设计，然后是multcomp... mcp函数中的Tukey测试是否计算Tukey-Kramer对比，还是给出常规Tukey对比？我认为第一种情况是这样，因为该软件包针对不平衡设计的多个比较测试，但我不确定，因为两种方法产生的p值几乎相同。那么哪种测试才是合适的？

此外，对于不平衡数据集进行这样的双向方差分析是否有更合适的方法？

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")))

- thijs van den bergh

Answer 1

针对非平衡数据，可以使用III型SS的方差分析代替I型SS [1]。在R中计算III型方差分析[2]:

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

对于不平衡数据，可以使用调整后均值的成对比较。在R中进行计算[4]:

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"))

Lines 2和3比较了“site”和“vytpe”的主效应水平。第4行和第5行分别比较了另一个因子的每个水平上的一个因子的水平。希望这能有所帮助。

参考文献

[1] Miliken和Johnsen。2009年。混乱数据的分析。卷1。

[2] http://www.statmethods.net/stats/anova.html [3] http://cran.r-project.org/web/packages/lsmeans/vignettes/using-lsmeans.pdf

- hob