混合设计方差分析错误：类型为'closure'的对象不可归类

时间：2018-10-04 02:29:01

标签： r anova

我正在运行2X3X3混合ANOVA设计。香港专业教育学院一直试图让学生纽曼库尔斯函数在R中工作，但我不断收到错误：类型为'closure'的对象是不可子集的。任何帮助将不胜感激！

library(ez)
library(ggplot2)
library(nlme)
library(pastecs)
library(reshape)
library(WRS)
library(GAD)
library(multcomp)
library(psych)
library(lmerTest)
CPPData <- read.table(file = "CPPdatar.csv", header=TRUE, sep = ",")
str(CPPData)
CPPData$Test<-as.factor(CPPData$Test)
CPPData$Exposure<-as.factor(CPPData$Exposure)
CPPData$Dose<-as.factor(CPPData$Dose)
CPPData$Subject<-as.factor(CPPData$Subject)
levels(CPPData$Test)<-list("Habit"=1, "Test of Conditioning"=2)
levels(CPPData$Exposure)<-list("0% HFCS CONT"=1, "50% HFCS CONT"=2, "50% HFCS INT"=3)
levels(CPPData$Dose)<-list("0 OXY"=1, "0.16 OXY"=2, "2.5 OXY"=3)
str(CPPData)
options(contrasts=c("contr.helmert", "contr.poly"))
aov1<-aov(Time~Exposure*Dose*Test+ Error(Subject/(Test)), data=CPPData)
summary(aov1)

aov2 = lme(Time~Exposure + Dose + Test, 
         random = ~1|Subject, 
         data = CPPData, 
         method = "ML")
summary(aov2)

#SNK Test
Test2<-snk.test(lm(Time~Exposure*Test*Dose, data = CPPData))
Test1<-snk.test(lm, term = Exposure*Test*Dose, among = Exposure, within = Test*Dose)
snk.test(aov2, term = "Dose:Exposure:Test", among = "Test", within = "Dose")

错误问题：

SNK测试

T est2 <-snk.test（lm（Time〜Exposure Test Dose，data = CPPData））   估算误差（对象）：     设计不平衡！此功能只能处理平衡的设计。    Test1 <-snk.test（lm，术语=曝光 Test 剂量，其中=曝光，在= Test * Dose之内）   错误：“关闭”类型的对象不可子集化   > snk.test（aov2，term =“ Dose：Exposure：Test”，在=“ Test”中，在=“ Dose）   object $ model [，2：（（length（object $ x）+ 1）]中的错误：     尺寸错误

Dput

dput（CPPData）结构（列表（时间= c（476.98，436.94，451.79，514.68，548.38， 457.96、489.99、536.7、517.02、566.9、487.15、553.89、527.86， 580.41、310.14、508.84、364.7、456.79、616.12、598.43、447.45， 570.9、520.35、812.48、756.92、667.5、603.77、547.55、369.2， 437.6、296.96、568.74、580.91、526.19、582.92、568.23、576.74， 378.04、549.38、548.55、492.99、388.72、581.75、538.71、511.51， 895.89、851.68、685.85、741.24、738.4、662.5、485.32、746.75， 726.89、638.64、613.11、819.65、475.14、599.93、668.34、486.99， 426.26、570.74、482.48、460.13、578.08、541.37、465.63、297.13， 543.04、560.89、536.04、419.25、555.89、587.75、530.2、619.95， 778.61、602.27、403.74、792.63、815.98、599.77、784.28、543.04， 748.08、610.94、700.87、710.38、686.02、735.57、805.47、525.02， 524.86、482.65、278.28、547.21、559.23、450.95、579.91、174.17， 312.64、683.02、790.46、422.92、664、435.44、478.14、427.43， 308.31、342.84、517.02、541.54、565.73、474.81、522.02、503.34， 321.99、498.16、554.55、527.69、776.44、966.47、867.2、846.68， 554.22，750.75，435.44，769.94，561.39，544.71，404.24，464.8， 482.48、550.88、459.79、552.05、389.56、361.86、814.15、907.41， 755.92、729.9、945.11、509.34、529.86、611.78、675.84、452.79， 584.42、566.4、420.75、465.46、533.87、579.58、492.16、521.86， 565.07、594.76、280.95、563.23、537.37、409.07、439.44、547.88， 543.88、496.66、474.14、433.43、418.75、541.37、406.74、477.98， 576.58、335.5、405.74、319.49、482.15、501、409.07、610.28、667.17， 560.56、474.14、467.3、561.56、718.88、584.25、689.52、507.51， 711.04、520.19、357.52、373.04、504、360.86、470.97、489.49， 397.06、582.41、554.05、481.15、776.78、658.66、721.55、433.93， 532.03，625.79，651.48，783.78，729.06，828.5），测试=结构（c（1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L），. Label = c（“习惯”，“条件测试”），类=“因素”），曝光=结构（c（2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L），. Label = c（“ 0％HFCS CONT”， “ 50％HFCS CONT”，“ 50％HFCS INT”），类别=“因子”），剂量=结构（c（1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L），.Label = c（“ 0 OXY”，“ 0.16 OXY”，“ 2.5 OXY”），class =“ factor”），主题=结构（c（1L，2L，3L，4L，5L，6L，7L，8L，9L， 10L，11L，12L，13L，14L，15L，1L，2L，3L，4L，5L，6L，7L， 8L，9L，10L，11L，12L，13L，14L，15L，16L，17L，18L，19L， 20L，21L，22L，23L，24L，25L，26L，27L，28L，29L，30L，16L， 17L，18L，19L，20L，21L，22L，23L，24L，25L，26L，27L，28L， 29L，30L，31L，32L，33L，34L，35L，36L，37L，38L，39L，40L， 41L，42L，43L，44L，45L，46L，31L，32L，33L，34L，35L，36L， 37L，38L，39L，40L，41L，42L，43L，44L，45L，46L，47L，48L， 49L，50L，51L，52L，53L，54L，55L，56L，47L，48L，49L，50L， 51L，52L，53L，54L，55L，56L，57L，58L，59L，60L，61L，62L， 63L，64L，65L，57L，58L，59L，60L，61L，62L，63L，64L，65L， 66L，67L，68L，69L，70L，71L，72L，73L，74L，66L，67L，68L， 69L，70L，71L，72L，73L，74L，75L，76L，77L，78L，79L，80L， 81L，82L，83L，84L，75L，76L，77L，78L，79L，80L，81L，82L， 83L，84L，85L，86L，87L，88L，89L，90L，91L，92L，93L，94L， 95L，96L，85L，86L，87L，88L，89L，90L，91L，92L，93L，94L， 95L，96L，97L，98L，99L，100L，101L，102L，103L，104L，105L， 106L，97L，98L，99L，100L，101L，102L，103L，104L，105L， 106L），.Label = c（“ 1”，“ 2”，“ 3”，“ 4”，“ 5”，“ 6”，“ 7”，“ 8”， “ 9”，“ 10”，“ 11”，“ 12”，“ 13”，“ 14”，“ 15”，“ 16”，“ 17”，“ 18”， “ 19”，“ 20”，“ 21”，“ 22”，“ 23”，“ 24”，“ 25”，“ 26”，“ 27”，“ 28”， “ 29”，“ 30”，“ 31”，“ 32”，“ 33”，“ 34”，“ 35”，“ 36”，“ 37”，“ 38”， “ 39”，“ 40”，“ 41”，“ 42”，“ 43”，“ 44”，“ 45”，“ 46”，“ 47”，“ 48”， “ 49”，“ 50”，“ 51”，“ 52”，“ 53”，“ 54”，“ 55”，“ 56”，“ 57”，“ 58”， “ 59”，“ 60”，“ 61”，“ 62”，“ 63”，“ 64”，“ 65”，“ 66”，“ 67”，“ 68”， “ 69”，“ 70”，“ 71”，“ 72”，“ 73”，“ 74”，“ 75”，“ 76”，“ 77”，“ 78”， “ 79”，“ 80”，“ 81”，“ 82”，“ 83”，“ 84”，“ 85”，“ 86”，“ 87”，“ 88”， “ 89”，“ 90”，“ 91”，“ 92”，“ 93”，“ 94”，“ 95”，“ 96”，“ 97”，“ 98”， “ 99”，“ 100”，“ 101”，“ 102”，“ 103”，“ 104”，“ 105”，“ 106”），class =“ factor”）），row.names = c（NA， -212L），类=“ data.frame”）

1 个答案:

答案 0 :(得分：0)

您要询问的错误原因可以在这里查看：

Test1 <-snk.test（lm，term = ExposureTestDose，....

字母“ lm”是函数的名称，您已将其提供给期望有可能被子集化的数据对象的函数。第一次调用确实为snk.test函数提供了一个lm创建的数据对象，但是由于给出了不同原因的代码而被停止。

就其他错误而言，似乎您需要一些统计建议。 snk.test似乎不是针对您正在运行的分析类型而设计的。您可以考虑在CrossValidated.com网站上寻求有关设计问题的帮助。（这是另一个处理统计问题的StackExchange论坛。）