Question

我还在学习如何使用r，我在制作基于Tukey posthoc测试的效果图时遇到了一些麻烦。我有一个包含3个菌落的数据集（A，B和C，见下文）。每个菌落分为2个处理：control和DWV。我必须运行GLM来测试每个菌落的处理组之间的预期寿命差异。我把“治疗”作为固定因素，“殖民地”作为随机因素。

我使用了以下代码：

fit_life = lmer(last.scan~treatment + (1|colony), data = data)
Anova(fit_life, type = 3)

我还需要95％的置信限，但我不确定我是否使用了正确的命令：

confint(lsmeans(fit_life, list(~treatment)), type = "response")

以下命令为我提供了治疗的Tukey posthoc测试结果，但是我想要一个Tukey测试，它给出了每个群体治疗之间的区别。我怎么能这样做？

mcp = glht(fit_life, linfct = mcp(treatment = "Tukey"))
summary(mcp)
# DWV treatment significantly changes life expectancy (z = -9.734, p = < 2e-16)

根据posthoc测试的结果，我想制作一个如此处所示的效果图，但我不知道使用什么命令。

以下是数据集的示例：

> head(data, 30)
                       RFID colony treatment last.scan
1  A0 01 03 C0 00 C0 20 01      A   Control        24
2  A0 01 03 C0 00 C0 20 0C      A   Control        21
3  A0 01 03 C0 00 C0 20 1D      A   Control        19
4  A0 01 03 C0 00 C0 20 1E      A   Control        18
5  A0 01 03 C0 00 C0 20 1F      A   Control        31
6  A0 01 03 C0 00 C0 20 21      A   Control        19
7  A0 01 03 C0 00 C0 20 2F      A   Control        18
8  A0 01 03 C0 00 C0 20 37      A   Control        16
9  A0 01 03 C0 00 C0 20 5E      A   Control        23
10 A0 01 03 C0 00 C0 20 79      A   Control        19
11 A0 01 03 C0 00 C0 20 7F      A   Control        17
12 A0 01 03 C0 00 C0 20 8C      A   Control        24
13 A0 01 03 C0 00 C0 20 92      A   Control        26
14 A0 01 03 C0 00 C0 20 95      A   Control        19
15 A0 01 03 C0 00 C0 20 98      A   Control        21
16 A0 01 03 C0 00 C0 20 B8      A   Control        21
17 A0 01 03 C0 00 C0 20 B9      A   Control        20
18 A0 01 03 C0 00 C0 20 D5      A   Control        17
19 A0 01 03 C0 00 C0 20 D9      A   Control        27
20 A0 01 03 C0 00 C0 20 E4      A   Control        26
21 A0 01 03 C0 00 C0 20 FE      A   Control        31
22 A0 01 03 C0 00 C0 3A 02      A       DWV        11
23 A0 01 03 C0 00 C0 3A 0C      A       DWV        22
24 A0 01 03 C0 00 C0 3A 0D      A       DWV        12
25 A0 01 03 C0 00 C0 3A 11      A       DWV        19
26 A0 01 03 C0 00 C0 3A 14      A       DWV        21
27 A0 01 03 C0 00 C0 3A 1D      A       DWV        24
28 A0 01 03 C0 00 C0 3A 24      A       DWV         9
29 A0 01 03 C0 00 C0 3A 2A      A       DWV        16
30 A0 01 03 C0 00 C0 3A 2C      A       DWV        23

R：每个群体的治疗组之间的GLM：效果图

0 个答案: