Question

我正在尝试使用重复的ANOVA轮次将大型数据集分类到不同的类别。对于数据集中的每个元素，我有12个数据点，它们代表四个条件中的每一个的三个重复，这两个条件是两个变量1的两个组合。数据是与对照相比的一些相对表达式，这意味着对于控件本身，所有十二个值都是1：

>at
    v1 v2  values
 1.  a  X  1
 2.  b  X  1
 3.  a  X  1
 4.  b  X  1
 5.  a  X  1
 6.  b  X  1
 7.  a  Y  1
 8.  b  Y  1
 9.  a  Y  1
10.  b  Y  1
11.  a  Y  1
12.  b  Y  1

我用这种方式分析（Tukey包装器给了我关于它是否上升或下降的信息，除了它是否不同，这就是我使用它的原因）：

    stats <- TukeyHSD(aov(values~v1+v2, data=at))

> stats
Tukey multiple comparisons of means
95% family-wise confidence level

Fit: aov(formula = values ~ v1 + v2, data = at)

$v1
            diff           lwr          upr     p adj
a-b 4.440892e-16 -1.359166e-16 1.024095e-15 0.1173068

$v2
             diff           lwr          upr     p adj
X-Y -4.440892e-16 -1.024095e-15 1.359166e-16 0.1173068

我预计p值非常接近或等于1，因为很明显，这两个测试的两组相同的零假设是正确的。相反，p值非常低，为0.117！显然，差异和边界很小（e-16）所以我猜测问题是数字的内部存储稍微偏离1，但我不知道如何解决问题。有什么建议？非常感谢！

我正在添加一些示例数据：

           aX1   bX1   aX2   bX2   aX3   bX3   aY1   bY1   aY2   bY2   aY3   bY3
element1   0.112 0     0.172 0.072 0.058 0.055 0     0     0.046 0     0.042 0   
element2   0.859 0.294 0.565 0     0.669 0     0.11  0     1.707 0     1.324 0
element3   1.255 0.721 3.645 1.636 5.36  6.701 0     0.097 0.533 0.209 0.358 2.219

为什么R在一组1上返回ANOVA的低p值？

0 个答案: