Prueba post-hoc después de 2 factores repetidos medidas ANOVA en R?

8

Tengo problemas para encontrar una solución con respecto a cómo ejecutar una prueba post-hoc (Tukey HSD) después de un ANOVA de medidas repetidas de 2 factores (ambos dentro de los sujetos) en R. Para el ANOVA, he usado la función aov: 

summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1))

Después de leer las respuestas a otras preguntas, deduje que primero tendría que volver a ejecutar el ANOVA usando alguna otra función (por ejemplo, lme). Esto es lo que se me ocurrió.

Lme.mod <- lme(dv ~ x1*x2, random=list(subject=pdBlocked(list(~1, pdIdent(~x1-1), pdIdent(~x2-1)))), data=df1)
anova(Lme.mod)

Ambos efectos principales fueron significativos, pero no hubo efectos de interacción. Luego, utilicé estas funciones para las comparaciones post-hoc:

summary(glht(Lme.mod, linfct=mcp(x1="Tukey")))
summary(glht(Lme.mod, linfct=mcp(x2="Tukey")))

Sin embargo, hubo algunos problemas:

En primer lugar, el archivo de Ayuda R dice que "La función mcp debe usarse con cuidado al definir parámetros de interés en los modelos ANOVA o ANCOVA de dos vías (...) multcomp versión 1.0-0 y superior genera comparaciones para los efectos principales solo, ignorando las covariables y las interacciones (las versiones anteriores promediaron automáticamente sobre los términos de interacción). Se da una advertencia ". Y efectivamente, recibí el siguiente mensaje de advertencia:

Warning message:
In mcp2matrix(model, linfct = linfct) :
covariate interactions found -- default contrast might be inappropriate

Otra cosa desconcertante fue que aunque ambos efectos principales fueron significativos, no hubo diferencias significativas en las comparaciones post-hoc para uno de los factores (x1). Nunca me he encontrado con esto antes. ¿Los guiones / análisis son correctos / apropiados, o hay algo que me falta? ¡Cualquier ayuda sería muy apreciada!

r anova repeated-measures post-hoc tukey-hsd goodness-of-fit curve-fitting sem latent-variable mplus anova post-hoc tukey-hsd markov-process image-processing r time-series causality granger-causality anova mixed-model lme4-nlme random-effects-model r matlab data-transformation multinomial notation estimation nonparametric logistic r missing-data multiple-imputation mice Jonna
fuente
Bienvenido al sitio, @Jonna. ¿ Solo le interesa cómo hacer que R haga esto? Si es así, esta pregunta estaría fuera de tema para CV (consulte nuestras preguntas frecuentes ), pero fuera de tema para Desbordamiento de pila . No puedo decir si su pregunta es sobre la naturaleza de las pruebas post-hoc con datos de medidas repetidas, o una pregunta algorítmica sobre la codificación R. Por favor edite para aclarar. (Tenga en cuenta que si solo quiere saber sobre R, podemos migrar su Q; por favor, no publique mensajes cruzados ).
gung - Restablece a Monica
1
Gracias @gung! Supongo que mi pregunta tiene que ver con ambos ... ¡Intenté aclarar el problema editando mi publicación!
Jonna

Respuestas:

2

haría

df1$x1x2=interaction(df1$x1,df1$x2)
library(lmerTest)
Lme.mod <- lme(dv ~ x1x2, random=~1|subject,
               correlation=corCompSymm(form=~1|subject),
               data=df1)
anova(Lme.mod)
summary(glht(Lme.mod, linfct=mcp(x1x2="Tukey")))

ser lo que busca, es decir, ¿hacen pruebas posthoc entre todas las combinaciones de niveles de medición de ambos factores x1 y x2? (También he impuesto la simetría compuesta, para hacer que el resultado de lme coincida con el de la llamada aov de medidas repetidas)

Tom Wenseleers
fuente
-2

Prueba multitarea de Tukey

  1. Instale el paquete multcomp install.packages ("multcomp")

  2. Hacer que multcomp esté disponible para usar la biblioteca ("multcomp")

  3. Compruebe que se está ejecutando: explica qué paquetes están abiertos actualmente en R search ()

Luego use la función glht ()

usuario2037072
fuente