studio - Multipp Tukey-Kramer

analisis tukey en r

Question

Tengo un experimento desequilibrado donde en tres sitios (L, M, H) medimos un parámetro ( met ) en cuatro tipos diferentes de vegetación (a, b, c, d). Todos los tipos de vegetación están presentes en los tres sitios. Los tipos de vegetación se replican 4 veces en L y M y 8 veces en H.

Por lo tanto, una anova simple y TukeyHSD no funcionarán. Los paquetes Agricolae ( HSD.test ) y DTK ( DTK.test ) solo están trabajando para diseños unidireccionales, y luego hay multielaboración ... ¿La prueba de Tukey en la función mcp calcula los contrastes de Tukey-Kramer, o le da al regular Tukey contrasta? Supongo que el primero es el caso porque el paquete está orientado a probar comparaciones múltiples para diseños desequilibrados, pero no estoy seguro porque los valores p producidos con ambos enfoques son prácticamente los mismos. ¿Qué prueba sería apropiada?

Además, ¿hay enfoques más adecuados para hacer una anova de dos vías para conjuntos de datos desequilibrados?

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

Para datos desequilibrados, se puede usar anova con tipo III SS en lugar de tipo I SS [1]. Cálculo de anova de tipo III en R [2]:

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

Para datos desequilibrados, se pueden usar comparaciones por pares de los medios ajustados. Cálculo en 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"))

Las líneas 2 y 3 comparan los niveles de los efectos principales "sitio" y "vytpe". Las líneas 4 y 5 comparan los niveles de un factor en cada nivel de otro factor por separado.

Espero que esto ayude.

Referencias

[1] Miliken y Johnsen. 2009. Análisis de datos desordenados. Volúmen 1.

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

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