Teste post-hoc após medidas repetidas de dois fatores ANOVA em R?

8

Tenho problemas para encontrar uma solução sobre como executar um teste post-hoc (Tukey HSD) após uma ANOVA de medidas repetidas de dois fatores (ambos em indivíduos) em R. Para a ANOVA, usei a função aov: 

summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1))

Depois de ler as respostas para outras perguntas, concluí que primeiro teria que executar novamente a ANOVA usando alguma outra função (por exemplo, lme). Isto é o que eu vim com.

Lme.mod <- lme(dv ~ x1*x2, random=list(subject=pdBlocked(list(~1, pdIdent(~x1-1), pdIdent(~x2-1)))), data=df1)
anova(Lme.mod)

Ambos os efeitos principais foram significativos, mas não houve efeitos de interação. Então, usei essas funções para comparações post-hoc:

summary(glht(Lme.mod, linfct=mcp(x1="Tukey")))
summary(glht(Lme.mod, linfct=mcp(x2="Tukey")))

No entanto, houve alguns problemas:

Antes de tudo, o arquivo R Help diz que "a função mcp deve ser usada com cuidado ao definir parâmetros de interesse nos modelos bidirecional ANOVA ou ANCOVA (...) multcomp versão 1.0-0 e superior gera comparações para os principais efeitos apenas, ignorando covariáveis ​​e interações (versões mais antigas são automaticamente calculadas como média dos termos de interação). É dado um aviso " E com certeza, recebi a seguinte mensagem de aviso:

Warning message:
In mcp2matrix(model, linfct = linfct) :
covariate interactions found -- default contrast might be inappropriate

Outra coisa intrigante foi que, embora ambos os efeitos principais tenham sido significativos, não houve diferenças significativas nas comparações post-hoc para um dos fatores (x1). Eu nunca encontrei isso antes. Os scripts / análises estão corretos / apropriados ou há algo que me falta? Qualquer ajuda seria muito apreciada!

r anova repeated-measures post-hoc tukey-hsd goodness-of-fit curve-fitting sem latent-variable mplus anova post-hoc tukey-hsd markov-process image-processing r time-series causality granger-causality anova mixed-model lme4-nlme random-effects-model r matlab data-transformation multinomial notation estimation nonparametric logistic r missing-data multiple-imputation mice Jonna
fonte
Bem-vindo ao site, @Jonna. Você está interessado apenas em como fazer o R ​​fazer isso? Em caso afirmativo, essa pergunta seria fora de tópico para o CV (consulte nossas Perguntas frequentes ), mas com tópico sobre estouro de pilha . Não sei dizer se sua pergunta é sobre a natureza dos testes post-hoc com dados de medidas repetidas ou se é uma pergunta algorítmica sobre a codificação R. Edite para esclarecer. (Observe que, se você quiser apenas saber sobre o R, podemos migrar seu Q; não faça postagens cruzadas ).
gung - Restabelece Monica
1
Obrigado @gung! Acho que minha pergunta tem a ver com os dois ... Tentei esclarecer o problema editando minha postagem!
21913 Jonna

Respostas:

2

Seria

df1$x1x2=interaction(df1$x1,df1$x2)
library(lmerTest)
Lme.mod <- lme(dv ~ x1x2, random=~1|subject,
               correlation=corCompSymm(form=~1|subject),
               data=df1)
anova(Lme.mod)
summary(glht(Lme.mod, linfct=mcp(x1x2="Tukey")))

seja o que você está procurando, ou seja, faz testes pós-doutorais entre todas as combinações de níveis de medidas dos fatores x1 e x2? (Eu também impus simetria composta, para fazer com que o resultado lme corresponda ao das medidas repetidas após a chamada)

Tom Wenseleers
fonte
-2

Teste de multicomparação Tukey

  1. Instale o pacote multcomp install.packages ("multcomp")

  2. Disponibilize o multcomp para usar a biblioteca ("multcomp")

  3. Verifique se está em execução - Explica quais pacotes estão abertos no momento na pesquisa R ()

Então use a função glht ()

user2037072
fonte