使用 glht 与重复测量 anova 进行多次比较答案

【问题标题】：Multiple comparisions using glht with repeated measure anova使用 glht 与重复测量 anova 进行多次比较
【发布时间】：2014-06-15 18:08:59
【问题描述】：

我正在使用以下代码来尝试对我的单元格均值进行事后比较：

result.lme3<-lme(Response~Pressure*Treatment*Gender*Group, mydata, ~1|Subject/Pressure/Treatment)
aov.result<-aov(result.lme3, mydata)
TukeyHSD(aov.result, "Pressure:Treatment:Gender:Group")

这给了我一个结果，但大多数调整后的 p 值都非常小 - 所以我不相信结果是正确的。

或者我正在尝试这个：

summary(glht(result.lme3,linfct=mcp(????="Tukey")

我不知道如何获取 glht 代码中的 Pressure:Treatment:Gender:Group。

感谢您的帮助 - 即使它只是指向我以前没有找到的问题的链接。

我有504个观察值，Pressure有4个级别，每个科目重复，Treatment有2个级别，每个科目重复，Group有3个级别，Gender很明显。

谢谢

【问题讨论】：

标签： r anova

【解决方案1】：

我解决了一个类似的问题，使用包含您的 4 个变量级别的所有组合的交互（）函数创建交互虚拟变量。

我做了很多测试，这个变量的各个级别显示的估计值显示了活动级别的联合效应加上交互效应。

例如，如果：

temperature ~ interaction(infection(y/n), acetaminophen(y/n))

（为清楚起见，我将可能的级别放在括号中）交互变量将具有类似“infection.y:acetaminophen.y”的级别，它显示了对两种感染温度的影响，对乙酰氨基酚以及两者的相互作用与截距比较（两个变量都是 n）。

如果模型是：

temperature ~ infection(y/n) * acetaminophen(y/n)

如果两个 var 都是 y 的情况下具有相同的系数，您必须将两个简单效应加上交互效应相加。结果是一样的，但我更喜欢使用交互，因为它更干净、更优雅。

你使用的 in glht：

summary(glht(model, linfct= mcp(interaction_var = 'Tukey'))

实现你的事后，其中interaction_var

注意：我从未使用嵌套和混合模型测试过这种方法，所以要小心！

【讨论】：