时间戳

首页 > 解决方案 > 当方差分析表明只有因子显着而不它们的交互作用时，我是否必须制作另一个模型来执行 Tukey 检验？

r - 当方差分析表明只有因子显着而不它们的交互作用时，我是否必须制作另一个模型来执行 Tukey 检验？

问题描述

我正在使用库在 R 中进行重复测量方差分析：

library(ordinal)
library(car)
library(RVAideMemoire)

我有两组：月份和距离，因变量是二氧化碳：

距离月 CO2

0 米 7 月 234

我已经为 CO2 制作了一个 clmm 模型，通过距离、月份以及月份和距离之间的相互作用来解释：

model_CO2 = clmm(CO2.f ~ month + distance + month:distance + (1|nest),
             data = field_data,
             threshold = "equidistant")

结果表明，月份和距离都是显着的，但不存在交互作用。现在，我想用这些信息执行 Tukey 测试，所以我的想法是分别对每个因素执行 Tukey 测试。

我的问题是：

我是否必须制作另一个模型，将每个因素分开？或者我可以只使用我创建的模型执行 Tukey 测试，但只考虑一个因素？

例子：

使用初始模型：

library(emmeans)
library(lsmeans)

Tmonth = lsmeans(model_CO2,
        ~ month)
multcomp::cld(Tmonth,
              alpha = 0.05,
              Letters = letters,
              adjust = "tukey")

仅创建一个月的新模型，然后执行 Tukey 测试：

model_CO2m = clmm(CO2.f ~ month + (1|nest),
                 data = field_data,
                 threshold = "equidistant")
Tmonth = lsmeans(model_CO2m,
        ~ month)
multcomp::cld(Tmonth,
              alpha = 0.05,
              Letters = letters,
              adjust = "tukey")

提前致谢！

标签： rmodelanovatukey

解决方案

我想有些人会建议你这样做。但是不，您不必这样做，因为您要比较的估计边际手段是明确定义的；交互效果只是平均了。

不过，我建议您绘制因子组合的估计值 -emmip()例如使用 - 以便您清楚地了解正在平均的估计值。

笔记

我刚刚在问题中注意到您完全从模型中取出了一个因素。我绝对建议不要这样做。每个因素都贡献了显着的主效应，因此它们都属于模型。如果您要在此处考虑简化模型，请仅考虑具有两个主效应但没有交互作用的模型。

推荐阅读