问题: 我想学习如何更改Tukey在R中的测试计算的样本顺序并分配相应的字母。下面是一个非常简单的例子。
我玩 iris 数据,发现不同物种之间的Sepal.Length存在差异。这是boxplot:
我进行了ANOVA测试,发现差异具有统计学意义。
> fit <- lm(Sepal.Length ~ Species, data = iris)
> summary(aov(fit))
Df Sum Sq Mean Sq F value Pr(>F)
Species 2 63.21 31.606 119.3 <2e-16 ***
Residuals 147 38.96 0.265
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
然后我进行了Tukey的测试并得到了以下内容:
> library(agricolae)
> HSD.test(fit, "Species", group=T, console=T)
Study: fit ~ "Species"
HSD Test for Sepal.Length
Mean Square Error: 0.2650082
Species, means
Sepal.Length std r Min Max
setosa 5.006 0.3524897 50 4.3 5.8
versicolor 5.936 0.5161711 50 4.9 7.0
virginica 6.588 0.6358796 50 4.9 7.9
alpha: 0.05 ; Df Error: 147
Critical Value of Studentized Range: 3.348424
Honestly Significant Difference: 0.2437727
Means with the same letter are not significantly different.
Groups, Treatments and means
a virginica 6.588
b versicolor 5.936
c setosa 5.006
根据组表,HSD.test函数按降序排序,然后分配字母。因此,“virginica”具有最大的平均值,因此它是表中的第一个。
问题: 有没有办法更改默认排序和分配字母? 我可以按平均值的升序对样本进行排序,然后分配字母。 预期的输出如下:
a setosa 5.006
b versicolor 5.936
c virginica 6.588
可能的解决方案:在 multcomp 包中,有两个功能可以协同工作:
1 - glht
做Tukey的测试
> an <- aov(fit)
> library(multcomp)
> glht(an, linfct = mcp(Species = "Tukey"))
General Linear Hypotheses
Multiple Comparisons of Means: Tukey Contrasts
Linear Hypotheses:
Estimate
versicolor - setosa == 0 0.930
virginica - setosa == 0 1.582
virginica - versicolor == 0 0.652
2 - cld
可以根据因素Species
iris$Species
的字母
> cld(glht(an, linfct = mcp(Species = "Tukey")))
setosa versicolor virginica
"a" "b" "c"
不幸的是,glht
函数没有显示另一个数据,这些数据对于创建条形图(means,std,p-values)非常有用。当然,我可以使用其他特殊功能单独执行此操作,或者只使用HSD.test
和cld
。但我更愿意解决HSD.test
函数中的均值分类问题,并只使用这个问题。
答案 0 :(得分:0)
我注意到回答这个问题有点晚了。但是我遇到了完全相同的问题,喜欢分享我的解决方案作为未来的参考。希望有一天能有所帮助。
例如,可以使用multcompLetters()
来使用TukeyHSD()
的结果。但是,这并不允许对结果进行任意排序,并且不易使用。
由于我需要一个任意的顺序,所以我编写了自己的函数,它使用了从HSD.test
返回的字母向量,并以某种方式交换字母,结果很好。意思是首先出现在字母表中的字母。
library(agricolae)
reorder<-function(inV){
collapsed <- paste(inV,sep="",collapse = "")
u <- unique(strsplit(collapsed,"")[[1]])
if(length(u)<2){
return(inV)
}
u <- u[order(u)]
m <- matrix(nrow=NROW(inV),ncol=length(u))
m[]<-F
for(i in 1:length(inV)){
s <- strsplit(inV[i],"")[[1]]
index <- match(s,u)
m[i,index] <- T
}
for(i in 1:(length(u)-1)){
firstColT <- match(T,m[,i])[1] #first row with true in current column
firstT <- match(T,rowSums(m[,i:length(u)] > 0))[1] #first row with true in rest
if(firstT < firstColT){
colT <- match(T,m[firstT,i:length(u)])[1]
colT <- colT + i - 1 #correct index for leftout columns in match
tmp <- m[,colT]
m[,colT] <- m[,i]
m[,i] <- tmp
}
}
res <- vector(mode = "character", length=length(trt))
for(i in 1:length(inV)){
l <- u[m[i,]]
res[i] <- paste(l,sep="",collapse = "")
}
return(res)
}
fit <- lm(Sepal.Length ~ Species, data = iris)
a <- HSD.test(fit, "Species", group=T, console=F)$groups
a <- a[rev(rownames(a)),] #order the result the way you want
a$M <- reorder(as.character(a$M))
对于这个例子来说,它有点过分,但它也适用于更复杂的情况。
答案 1 :(得分:0)
也可以用multcompLetters()和TukeyHSD()来解决。您应该更改参数“反转”
if (nameSearchQuery)
filtered = allScientists.filter((m) =>
m["Author Name"].toLowerCase().includes(nameSearchQuery.toLowerCase())
);
if (instituteSearchQuery)
filtered = allScientists.filter((f) =>
f["Institute Name"]
.toLowerCase()
.includes(instituteSearchQuery.toLowerCase())
);
答案 2 :(得分:-1)
首先,感谢功能。这就是我在寻找的东西。但我认为
存在错误res <- vector(mode = "character", length=length(trt)),
应该是
res <- vector(mode = "character", length=length("trt"))