弗里德曼(agricolae)错误

时间:2017-07-12 21:00:32

标签: r block repeat anova measures

我试图通过弗里德曼测试(agricolae包)进行阻塞,重复测量ANOVA。但是,我一直得到同样的错误,我不明白这意味着什么。

这是代码:

out<-with(nh3,friedman(season,datecode,meannh3, alpha = 0.05, group=TRUE,main=NULL,console=TRUE))  

我的数据形状如下:

class(nh3$meannh3): numeric
class(nh3$season): factor
class(nh3$datecode): factor

我的治疗是季节,他们应该被日期代码阻止。 meannh3是感兴趣的变量。日期不是独立的,这就是他们被封锁的原因。虽然季节性差异是我有兴趣看到的,但这就是治疗的原因。感兴趣的变量是NH3的浓度。

这是我得到的错误:

out<-with(nh3,friedman(season,datecode,meannh3, alpha = 0.05, group=TRUE,main=NULL,console=TRUE))

Study: meannh3 ~ season + datecode 

datecode,  Sum of the ranks

   meannh3 r
1     11.0 3
10    10.5 3
11    15.0 3
13    11.0 3
14    11.0 3
2     17.0 3
3     17.0 3
4     17.0 8
5     12.5 1
6     13.5 3
7     14.5 3
8     15.5 3
9     16.5 3

Friedman's Test
===============
Adjusted for ties
Value: 2.718615
Pvalue chisq : 0.9972256
F value : 0.1277461
Pvalue F: 0.9996747 0.9998106 NaN

Alpha     : 0.05
t-Student : 2.178813
LSD       : 22.04983

Means with the same letter are not significantly different.
GroupTreatment and Sum of the ranks
a      2   17 
a      3   17 
a      4   17 
a      9   16.5 
a      8   15.5 
a      11      15 
a      7   14.5 
a      6   13.5 
a      5   12.5 
a      1   11 
a      13      11 
a      14      11 
a      10      10.5 

Error in `row.names<-.data.frame`(`*tmp*`, value = value) : 
  invalid 'row.names' length
In addition: Warning message:
In pf(T2.aj, ntr - 1, (ntr - 1) * (nr - 1)) : NaNs produced

这是什么意思?我已经找到了这个特定的错误,我想出了任何有意义的东西,与弗里德曼测试无关。上面吐出的研究方程是正确的......所以,我不明白。

我查看过这个页面(friedman agricolae returning errors),但没有帮助。

1 个答案:

答案 0 :(得分:1)

这种分析证明太难了 - 数据形状不正确,需要在Friedman(agricolae)测试的矩阵中。

我最终使用重复测量方差分析,排列如下:

模型&lt; -aovp(nh4~ season * year + Error(daysinceiceon / season),data = df) 摘要(模型) posthoc.kruskal.nemenyi.test(nh4~ season,data = df)

aovp是lmPerm包的一部分。我知道这有点过时,所以如果有人有更新的,支持的排列方差分析,请告诉我。

在这里,我的零假设是季节,年份或季节*年和季节之间没有差异,因此重复测量。

然后,如果发现季节之间存在显着差异,我会继续进行posthoc测试(posthoc.kruskal.nemenyi.test)以了解季节性差异。在撰写这些结果时,我需要指出有时候,季节*年的互动也很重要。