Question

我刚刚开始使用R，所以如果这是一个愚蠢的问题我道歉，但是我已经广泛搜索了它，似乎无法找到答案。我试图用结构分析数据：

'data.frame':   60 obs. of  4 variables:
 $ response: num  8.2 8.2 9.4 11 9.9 9.5 9.8 11.1 10.9 9.7 ...
 $ subject : Factor w/ 10 levels "1","2","3","4",..: 1 1 1 1 1 1 2 2 2 2 ...
 $ dose    : Factor w/ 3 levels "A","B","C": 1 1 2 2 3 3 1 1 2 2 ...
 $ time    : Factor w/ 2 levels "dawn","dusk": 1 2 1 2 1 2 1 2 1 2 ...

即。有10个科目，每个科目有三个剂量的两个录音：一个在黄昏，一个在黎明。

所以我按如下方式进行了混合模型ANOVA：

aov1<- aov(response~dose*time + Error(subject/(dose*time)))

哪个工作正常并产生了结果：

Error: subject
          Df Sum Sq Mean Sq F value Pr(>F)
Residuals  9   4417   490.8               

Error: subject:dose
          Df Sum Sq Mean Sq F value Pr(>F)  
dose       2  25.95  12.975   3.681 0.0457 *
Residuals 18  63.45   3.525                 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Error: subject:time
          Df Sum Sq Mean Sq F value   Pr(>F)    
time       1  78.66   78.66   27.14 0.000557 ***
Residuals  9  26.09    2.90                     
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Error: subject:dose:time
          Df Sum Sq Mean Sq F value Pr(>F)
dose:time  2   4.09   2.046   0.578  0.571
Residuals 18  63.70   3.539

这意味着时间和剂量存在显着（p <0.05）的影响但不是显着的相互作用。时间只有两个级别，所以这是不言自明的，但剂量有三个级别，我现在想做一个后测试，以检查哪些是彼此显着不同的。但是我无法弄清楚如何做到这一点。 “TukeyHSD（aov1）”和“summary.lm（aov1）”（使用对比）似乎与他们之前使用的单向方差分析相同。

由于我在一个高安全性的地区工作，我不确定我是否可以在没有特别授权的情况下下载和安装软件包（直到我在两周左右开会才会知道），我想知道是否有办法做某种形式的后测试来评估不同剂量之间的差异而不下载和安装任何其他包裹？

提前感谢任何建议！

R中混合模型ANOVA的后测试？

0 个答案: