我一直在研究使用计划的对比，而不是事后的t检验。我通常使用ezANOVA(III型ANOVA)，但目前似乎不适合使用ezANOVA进行计划的对比。
另一方面，aov()是I型ANOVA(我不想就哪种类型最适合哪种类型的设计进行辩论)。直接使用aov()进行计划的对比(在组设计之间进行)是很直接的，但是我想重复进行III型ANOVA，坦率地说ezANOVA具有更加用户友好的输出。
请记住，ezANOVA可以选择包含return_aov = TRUE，有人知道使用ezANOVA提供的信息进行计划的对比的方法吗？
注意: return_aov = TRUE允许通过以下方式访问aov的输出:
summary.lm(ModelName$aov$'Participant:IndependentVariable1')
上面的参与者是在
wid中添加到ezANOVA的示例变量:wid = .(Participant)
通常，在以方差分析(ANOVA)组授予的
summary.lm()中呈现计划的对比结果时，通常会使用aov，这与重复测量相反。我对使用输出进行重复测量方差分析的计划对比特别感兴趣。
BOUNTY GOALS
我想从这个赏金中实现的目标:
1)使用
ezANOVA的输出在重复测量方差分析中进行计划的对比。1A)使用
ezANOVA的输出在受试者方差分析之间进行计划的对比(这一对比应该相对容易，因此并不是申请赏金的必要条件。)任何伪数据都足够，但这是对
ezANOVA重复测量方差分析的格式的提醒:ModelName <- ezANOVA(
data = DataSet,
dv = .(DependentVariable),
wid = .(Participant),
within = .(IndependentVariable1, IndependentVariable2),
type=3,
detailed = TRUE,
return_aov = TRUE)
这是一个Related Question with reproducible data and code，可以用于解决此问题。
您可以找到PDF here giving some background on planned contrasts及其作用。
最佳答案
emmeans包提供适当的功能来计算aov和aovlist对象的估计边际均值(EMM)的自定义对比度/任意线性函数(有关支持的模型的完整列表，请参见here)。
在下文中，我使用ANT包随附的ez数据集。
首先，我们使用ezANOVA设置混合阶乘方差分析。注意，为了获得有意义的III型测试，需要设置正交对比度(例如，参见John Fox的答案here)。
library("ez")
library("emmeans")
# set orthogonal contrasts
options(contrasts = c("contr.sum", "contr.poly"))
data(ANT)
rt_anova <- ezANOVA(data = ANT[ANT$error == 0, ],
dv = rt,
wid = subnum,
within = .(cue, flank),
between = group,
type = 3,
return_aov = TRUE)
然后，我们可以计算出所有组-侧面组合的EMM。
emm <- emmeans(rt_anova$aov, ~ group * flank)
emm
## group flank emmean SE df lower.CL upper.CL
## Control Neutral 381.5546 1.735392 53.97 378.0753 385.0339
## Treatment Neutral 379.9286 1.735392 53.97 376.4493 383.4079
## Control Congruent 381.6363 1.735392 53.97 378.1570 385.1155
## Treatment Congruent 379.7520 1.735392 53.97 376.2727 383.2313
## Control Incongruent 466.6770 1.735392 53.97 463.1977 470.1563
## Treatment Incongruent 452.2352 1.735392 53.97 448.7559 455.7145
现在，很容易计算这些EMM上的所有成对比较或任何所需的对比度。
如果您需要更多有关如何从假设中得出对比度权重的详细信息，另请参见this本书章节和我的答案here。
# all pairwise comparisons
pairs(emm, adjust = "Holm")
## contrast estimate SE df t.ratio p.value
## Control,Neutral - Treatment,Neutral 1.62594836 2.454215 53.97 0.663 1.0000
## Control,Neutral - Control,Congruent -0.08167403 2.473955 36.00 -0.033 1.0000
## Control,Neutral - Treatment,Congruent 1.80259257 2.454215 53.97 0.734 1.0000
## Control,Neutral - Control,Incongruent -85.12239797 2.473955 36.00 -34.407 <.0001
## Control,Neutral - Treatment,Incongruent -70.68062093 2.454215 53.97 -28.800 <.0001
## Treatment,Neutral - Control,Congruent -1.70762239 2.454215 53.97 -0.696 1.0000
## Treatment,Neutral - Treatment,Congruent 0.17664421 2.473955 36.00 0.071 1.0000
## Treatment,Neutral - Control,Incongruent -86.74834633 2.454215 53.97 -35.347 <.0001
## Treatment,Neutral - Treatment,Incongruent -72.30656929 2.473955 36.00 -29.227 <.0001
## Control,Congruent - Treatment,Congruent 1.88426660 2.454215 53.97 0.768 1.0000
## Control,Congruent - Control,Incongruent -85.04072394 2.473955 36.00 -34.374 <.0001
## Control,Congruent - Treatment,Incongruent -70.59894690 2.454215 53.97 -28.766 <.0001
## Treatment,Congruent - Control,Incongruent -86.92499054 2.454215 53.97 -35.419 <.0001
## Treatment,Congruent - Treatment,Incongruent -72.48321351 2.473955 36.00 -29.299 <.0001
## Control,Incongruent - Treatment,Incongruent 14.44177704 2.454215 53.97 5.884 <.0001
##
## Results are averaged over the levels of: cue
## P value adjustment: holm method for 15 tests
# custom contrasts
contrast(
emm,
list(c1 = c(1, -1, 0, 0, 0, 0), # reproduces first pairwise comparison
# emmean of row 1 - (emmean of row 1 + emmean of row 2) / 2; see EMMs table
# 381.5546 - (379.9286 + 381.6363) / 2
c2 = c(1, -0.5, -0.5, 0, 0, 0))
)
## contrast estimate SE df t.ratio p.value
## c1 1.6259484 2.454215 53.97 0.663 0.5105
## c2 0.7721372 2.136825 43.84 0.361 0.7196
相同的情况适用于纯粹的受试者内部方差分析或受试者间方差分析。
# within-subjects ANOVA
rt_anova_wi <- ezANOVA(data = ANT[ANT$error == 0, ],
dv = rt,
wid = subnum,
within = .(cue, flank),
type = 3,
return_aov = TRUE)
emm <- emmeans(rt_anova_wi$aov, ~ cue * flank)
contrast(
emm,
list(c1 = c(1, -1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0),
c2 = c(1, -0.5, -0.5, 0, 0, 0, 0, 0, 0, 0, 0, 0))
)
## contrast estimate SE df t.ratio p.value
## c1 47.31005 3.802857 170.34 12.441 <.0001
## c2 50.35320 3.293371 170.34 15.289 <.0001
# between-subjects ANOVA
rt_anova_bw <- ezANOVA(data = ANT[ANT$error == 0, ],
dv = rt,
wid = subnum,
within_full = .(cue, flank),
between = group,
type = 3,
return_aov = TRUE)
emm_bw <- emmeans(rt_anova_bw$aov, ~ group)
# custom linear function
contrast(
emm_bw,
list(c1 = c(2/3, 1/2))
)
## contrast estimate SE df t.ratio p.value
## c1 475.2899 0.8213448 18 578.673 <.0001
关于r - 使用R中的ezANOVA输出进行计划的对比，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/35891062/