我有一个不平衡的实验，在三个站点（L，M，H）我们测量四种不同植被类型（a，b，c，d）的参数（met）。在这三个地点都存在所有植被类型。植被类型在L和M处复制4次，在H处复制8次。
因此，简单的方差分析和TukeyHSD将不起作用。软件包Agricolae（HSD.test）和DTK（DTK.test）仅适用于单向设计，然后存在多重压缩... mcp函数中的Tukey测试是否计算Tukey-Kramer对比度，或者它给出常规的Tukey对比？我认为第一种情况是这样的，因为该程序包适合测试不平衡设计的多个比较，但是我不确定，因为两种方法产生的p值实际上是相同的。那么什么测试才合适呢？
另外，对于不平衡的数据集，是否有更合适的方法来进行这种双向方差分析？
library(multcomp)
(met <- c(rnorm(16,6,2),rnorm(16,5,2),rnorm(32,4,2)))
(site <- c(rep("L", 16), rep("M", 16), rep("H", 32)))
(vtype <- c(rep(letters[1:4], 16), rep(letters[1:4], 16), rep(letters[1:4], 32)))
dat <- data.frame(site, vtype, met)
# using aov and TukeyHSD
aov.000 <- aov(met ~ site * vtype, data=dat)
summary(aov.000)
TukeyHSD(aov.000)
# using Anova, and multcomp
lm.000 <- lm(met ~ site * vtype, data=dat)
summary(lm.000)
library(car)
Anova.000 <- Anova(lm.000, data=dat)
dat$int <- with(dat, interaction(site, vtype, sep = "x"))
lm.000 <- lm(met ~ int, data = dat)
summary(lm.000)
summary(glht.000 <- glht(lm.000, linfct = mcp(int = "Tukey")))
最佳答案
对于不平衡数据，可以使用III SS型方差分析代替I SS [1]。 R [2]中III型方差的计算：
model <- (met ~ site * vtype)
defopt <- options()
options(contrasts=c("contr.sum", "contr.poly"))
print(drop1(aov(model),~.,test="F"))
options <- defopt
对于不平衡数据，可以使用成对比较的均值。 R [4]中的计算：
library(lsmeans)
print(lsmeans(model, list(pairwise ~ site)), adjust = c("tukey"))
print(lsmeans(model, list(pairwise ~ vtype)), adjust = c("tukey"))
print(lsmeans(model, list(pairwise ~ site | vtype)), adjust = c("tukey"))
print(lsmeans(model, list(pairwise ~ vtype | site)), adjust = c("tukey"))
第2和第3行比较主要效果“站点”和“ vytpe”的级别。第4行和第5行分别比较一个因素的水平和另一个因素的水平。
我希望这有帮助。
参考资料
[1] Miliken和Johnsen。 2009。杂乱数据分析。第1卷
[2] http://www.statmethods.net/stats/anova.html
[3] http://cran.r-project.org/web/packages/lsmeans/vignettes/using-lsmeans.pdf
关于r - multcomp Tukey-Kramer，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/12375209/