如何从R中重复测量ANOVA模型得到残差

时间:2014-10-02 20:30:53

标签: r anova

通常从aov()开始,您可以在使用summary()函数后获得残差。

但是当我使用重复测量方差分析并且公式不同时,如何获得残差?

## as a test, not particularly sensible statistically
npk.aovE <- aov(yield ~  N*P*K + Error(block), npk)
npk.aovE
summary(npk.aovE)
Error: block
          Df Sum Sq Mean Sq F value Pr(>F)
N:P:K      1   37.0   37.00   0.483  0.525
Residuals  4  306.3   76.57               

Error: Within
          Df Sum Sq Mean Sq F value  Pr(>F)   
N          1 189.28  189.28  12.259 0.00437 **
P          1   8.40    8.40   0.544 0.47490   
K          1  95.20   95.20   6.166 0.02880 * 
N:P        1  21.28   21.28   1.378 0.26317   
N:K        1  33.14   33.14   2.146 0.16865   
P:K        1   0.48    0.48   0.031 0.86275   
Residuals 12 185.29   15.44                   
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

国际summary(npk.aovE)$residuals返回NULL .. 任何人都可以帮我这个吗?

2 个答案:

答案 0 :(得分:2)

查看

的输出
> names(npk.aovE)

并尝试

> npk.aovE$residuals 

<击>

编辑:我道歉,我太快地读了你的例子。我建议用aov()的多级模型是不可能的。请尝试以下方法:

> npk.pr <- proj(npk.aovE) 
> npk.pr[[3]][, "Residuals"]

如果他们遇到同样的问题,那么任何人都可以随心所欲地重复这个问题:

x1 <- gl(8, 4)                                                                 
block <- gl(2, 16)                                                             
y <- as.numeric(x1) + rnorm(length(x1))                                        
d <- data.frame(block, x1, y)                                                  

m <- aov(y ~ x1 + Error(block), d)                                             
m.pr <- proj(m)                                                                  
m.pr[[3]][, "Residuals"]

答案 1 :(得分:1)

另一个选项是lme:

require(MASS) ## for oats data set
require(nlme) ## for lme()
require(multcomp) ## for multiple comparison stuff

Aov.mod <- aov(Y ~ N * V + Error(B/V), data = oats)
the_residuals <- aov.out.pr[[3]][, "Residuals"]

Lme.mod <- lme(Y ~ N * V, random = ~1 | B/V, data = oats)
the_residuals <- residuals(Lme.mod)

原始示例没有交互(Lme.mod <- lme(Y ~ N * V, random = ~1 | B/V, data = oats)),但似乎正在使用它(并产生不同的结果,因此它正在做某事)。

那就是......

...但为了完整性:

1 - 模型的摘要

summary(Aov.mod)
anova(Lme.mod)

2 - 重复测量anova的Tukey测试(3小时寻找!!)。如果有互动(*而不是+),它会发出警告,但ignore it似乎是安全的。请注意,VN是公式中的因素。

summary(Lme.mod)
summary(glht(Lme.mod, linfct=mcp(V="Tukey")))
summary(glht(Lme.mod, linfct=mcp(N="Tukey")))

3 - 正态性和同方差性图

par(mfrow=c(1,2)) #add room for the rotated labels
aov.out.pr <- proj(aov.mod)                                            
#oats$resi <- aov.out.pr[[3]][, "Residuals"]
oats$resi <- residuals(Lme.mod)
qqnorm(oats$resi, main="Normal Q-Q") # A quantile normal plot - good for checking normality
qqline(oats$resi)
boxplot(resi ~ interaction(N,V), main="Homoscedasticity", 
        xlab = "Code Categories", ylab = "Residuals", border = "white", 
        data=oats)
points(resi ~ interaction(N,V), pch = 1, 
       main="Homoscedasticity",  data=oats)

enter image description here