multcomp Tukey-Kramer

Question

Mam eksperyment, który jest niezrównoważony, gdy w trzech miejscach (L, M, H) mierzymy parametr (met) w czterech różnych typach roślinności (a, b, c, d). Wszystkie typy roślin są obecne we wszystkich trzech miejscach. Rodzaje roślin są replikowane 4 razy w L i M i 8 razy w H.

Dlatego proste anova i TukeyHSD nie będą działać. Pakiety Agricolae (HSD.test) i DTK (DTK.test) działają tylko w przypadku projektów jednokierunkowych, a następnie jest multcomp ... Czy test Tukeya w funkcji mcp oblicza kontrasty Tukeya-Kramera, czy też daje regularne kontrasty Tukeya? Przypuszczam, że pierwszy przypadek jest taki, ponieważ pakiet jest ukierunkowany na testowanie wielokrotnych porównań dla niezrównoważonych projektów, ale nie jestem pewien, ponieważ wartości p wytworzone przy obu podejściach są praktycznie takie same. Jaki test byłby wtedy odpowiedni?

Co więcej, czy istnieją bardziej odpowiednie podejścia do takiego dwukierunkowego anova dla niezbalansowanych zestawów danych?

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"))) 

Answer 1

Dla danych niesymetrycznych, ANOVA typu III SS może być stosowany zamiast typu I SS [1]. Obliczanie typu III ANOVA w R [2]:

model <- (met ~ site * vtype) 
defopt <- options() 
options(contrasts=c("contr.sum", "contr.poly")) 
print(drop1(aov(model),~.,test="F")) 
options <- defopt 

Dla danych niesymetryczne, mogą być stosowane parami porównania dostosowanych środków. Obliczanie w R [4]: ​​

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")) 

Linie 2 i 3 porównanie poziomu głównych efektów "obiekt" i "vytpe". Linie 4 i 5 porównują poziomy jednego czynnika na każdym poziomie innego czynnika osobno.

Mam nadzieję, że to pomoże.

Odniesienia

[1] Miliken i Johnsen. 2009. Analiza bałaganu danych. Tom 1

[2] http://www.statmethods.net/stats/anova.html

[3] http://cran.r-project.org/web/packages/lsmeans/vignettes/using-lsmeans.pdf