我刚刚进行了因子方差分析,然后进行了TukeyHSD
后测试。我TukeyHSD
输出中的一些调整后的P值为0.0000000
。这些P值真的可以为零吗?或者这是一个舍入情况,我的真实P值可能是1e-17,它舍入为0.0000000
。
R中的TukeyHSD()
函数是否有任何选项可以提供包含指数的输出P值?
以下是我输出的片段:
TukeyHSD(fit)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = lum ~ cells * treatment)
$`cells:treatment`
diff lwr upr p adj
NULL:a-KR:a -266.5833333 -337.887800 -195.2788663 0.0000000
WT:a-KR:a -196.3333333 -267.637800 -125.0288663 0.0000000
KR:ar-KR:a 83.4166667 12.112200 154.7211337 0.0053485
NULL:ar-KR:a -283.5000000 -354.804467 -212.1955330 0.0000000
WT:ar-KR:a -196.7500000 -268.054467 -125.4455330 0.0000000
KR:e-KR:a -219.0833333 -290.387800 -147.7788663 0.0000000
NULL:e-KR:a -185.0833333 -256.387800 -113.7788663 0.0000000
WT:e-KR:a -96.1666667 -167.471134 -24.8621996 0.0003216
答案 0 :(得分:8)
编辑:请参阅以下有关Tukey p值分辨率的警告!!
dd <- data.frame(y=c(1:10,1001:1010),f=rep(c("A","B"),each=10))
fit <- aov(y~f,data=dd)
打印的p值为零:
(tt <- TukeyHSD(fit))
## Tukey multiple comparisons of means
## 95% family-wise confidence level
##
## Fit: aov(formula = y ~ f, data = dd)
##
## $f
## diff lwr upr p adj
## B-A 1000 997.1553 1002.845 0
但是查看str()
的(缩写)输出显示有更多信息:
str(tt)
## List of 1
## $ f: num [1, 1:4] 1.00e+03 9.97e+02 1.00e+03 2.62e-14
## ..- attr(*, "dimnames")=List of 2
##
您可以自己提取值:
tt$f[,"p adj"]
## [1] 2.620126e-14
或者如评论中所述,print(tt,digits=15)
将有效......
警告强>
我决定深入挖掘并注意挖掘TukeyHSD.aov()
的代码,它依赖于ptukey()
,在其“示例”部分中警告“精度可能不会超过2.62e-14
大约8位“。特别是,一旦t统计量大于30,p值最大值(在zval <- 10^seq(1,6,length=100)
pval <- ptukey(zval,2,18,lower.
par(las=1,bty="l")
plot(zval,pval,log="xy",type="l")
处最多?)
{{1}}
最重要的是,你无法区分这个小的p值。您可能需要重新考虑您的策略......