Question

我想对我成功完成的重要方差分析进行事后测试。

我有5个条件（target_onset），我想在这些条件中比较称为data_clean的df中的反应时间（key_resp.rt）。 target_onset和key_resp.rt是列。

这就是我做方差分析的方法，效果很好：

cond.aov <- aov(data_clean$target_onset ~ data_clean$key_resp.rt)
summary(cond.aov)

接下来，我想看看事后测试显示了什么，以找出5个条件之间的显着差异。

我知道TukeyHSD仅考虑因素。因此，我将感兴趣的列进行了因子分解：

data_clean$target_onset <- factor(data_clean$target_onset)
data_clean$key_resp.rt <- factor(data_clean$key_resp.rt)

TukeyHSD(aov(data_clean$target_onset ~ data_clean$key_resp.rt))

但是，当我运行此代码时，出现以下错误：

类（y）中的错误<-oldClass（x）：将类“ factor”添加到无效的对象另外：警告消息：1：在model.response（mf， “ numeric”）：将类型=“ numeric”与因子响应一起使用将是被忽略的2：在Ops.factor（y，z $ residuals）中：“-”对于因素

任何建议都会有所帮助。预先感谢。

Answer 1

编辑第一次，我错过了您也将公式推后的事实！

在发布target_onset函数之前，您需要在之前将aov作为因素。您完全根本不想让key_resp.rt成为一个因素。

所以顺序应该是...

data_clean$target_onset <- factor(data_clean$target_onset)

cond.aov <- aov(key_resp.rt ~ target_onset, data = data_clean)

summary(cond.aov)

TukeyHSD(cond.aov)

因变量（响应时间位于代字号的左侧，独立分组变量位于右侧。

如果您不将条件/分组变量设置为factor aov，而实际上使用分组列中的数字执行lm，则可以看到cond.aov的自由度。

只要您已有一个aov对象，就可以使对TukeyHSD的调用尽可能简单

Tukey HSD，用于R中的类别变量和连续变量

1 个答案: