我用一个广义线性模型分析了一组数据,该模型在三向交互(factorA,factorB,factorC)中有三个分类因子,在模型中简单地添加了第四个连续因子(factorD) 。我试图从模型中获取一组Tukey字母组(即紧凑字母显示),但尚未找到成功包含交互的方法。我对包括因子D在内没有兴趣,只是交互中的三个。
我已经完成了Tukey调整的成对比较:
lsmeans(my.glm, factorA*factorB*factorC)
但是我无法弄清楚如何制作一个紧凑的字母显示器。可以使用multcomp
包完成,但我只能找到使用该包进行主效应的方法,而不是交互。
然后我尝试了agricolae
包,因为这篇文章(https://stats.stackexchange.com/questions/31547/how-to-obtain-the-results-of-a-tukey-hsd-post-hoc-test-in-a-table-showing-groupe)讨论了应该有效的方法。但是,按照该答案中的说明导致HSD.test的非功能性响应。具体来说,我可以让主要效果测试工作正常,例如HSD.test(my.glm,"factorA")
但我无法让互动发挥作用。我试过这个:
intxns<-with(my.data, interaction(factorA,factorB,factorC))
HSD.test(my.glm,"intxns",group=TRUE)
但是得到一个错误,表明HSD.test函数没有将“intxns”识别为有效对象,它看起来像这样(同样,我检查了intxns对象,看起来很好,行数匹配我的glm残差数量):
Name: inxtns
factorA factorB factorC factorD
如果我只是将废话放入HSD.test函数调用中的factor字段,我会得到同样的错误。我检查了inxtns对象,它看起来很好,行数与残留数量相匹配
agricolae
注释实际上并没有涵盖HSD.test中交互的使用,但我认为它可以工作。
有谁知道如何让HSD.test与交互一起工作?或者,您是否还有其他功能可以为具有交互作用的glm生成紧凑的字母显示?
我已经在这个问题上工作了很多天而且找不到解决方案,希望我不会错过任何明显的解决方案。
谢谢!
答案 0 :(得分:0)
我不知道你是如何指定你的glm模型的,但是对于HSD.test
,它希望将特定的治疗名称与glm公式和数据框中指定的相同名称相匹配。这就是为什么你的主要效果factorA
将起作用,而不是3向互动。对于交互的多个比较测试,我发现最简单的方法是单独生成交互并将它们作为附加列添加到数据框中。然后可以使用代码进行交互的新变量来指定glm模型。
例如,
set.seed(42)
glm.dat <- data.frame(y = rnorm(1000), factorA = sample(letters[1:2],
size = 1000, replace = TRUE),
factorB = sample(letters[1:2], size = 1000, replace = TRUE),
factorC = sample(letters[1:2], size = 1000, replace = TRUE))
# Generate interactions explicitly and add them to the data.frame
glm.dat$factorAB <- with(glm.dat, interaction(factorA, factorB))
glm.dat$factorAC <- with(glm.dat, interaction(factorA, factorC))
glm.dat$factorBC <- with(glm.dat, interaction(factorB, factorC))
glm.dat$factorABC <- with(glm.dat, interaction(factorA, factorB, factorC))
# General linear model
glm.mod <- glm(y ~ factorA + factorB + factorC + factorAB + factorAC +
factorBC + factorABC, family = 'gaussian', data = glm.dat)
# Multiple comparison test
library(agricolae)
comp <- HSD.test(glm.mod, trt = "factorABC", group = TRUE)
给
comp$groups giving
trt means M
1 a.a.a 0.070052189 a
2 a.b.b 0.035684571 a
3 b.a.a 0.020517535 a
4 b.b.b -0.008153257 a
5 a.b.a -0.036136140 a
6 a.a.b -0.078891136 a
7 b.a.b -0.080845419 a
8 b.b.a -0.115808772 a