R - 最小二乘均值对比单向方差分析

如何解决R - 最小二乘均值对比单向方差分析

我正在审查一种方式方差分析并尝试整合最小二乘均值。这是 mtcars 的一个例子。

mtcars.mod <- mutate(mtcars,cyl.chr = case_when(
  cyl == 4 ~ "A",cyl == 6 ~ "B",cyl == 8 ~ "C"
))

library(lsmeans)

model <- lm(mpg ~ cyl.chr,data = mtcars.mod)
lsmeans(model,~ cyl.chr,adjust = "sidak")

我的输出是这样的：

 cyl.chr lsmean    SE df lower.CL upper.CL
 A         26.7 0.972 29     24.2     29.1
 B         19.7 1.218 29     16.7     22.8
 C         15.1 0.861 29     12.9     17.3

我试图得到一些看起来像这样的东西（值不反映真实数据；它们是来自 https://rcompanion.org/handbook/G_06.html 的填充物/示例）：

$contrasts
 contrast         estimate        SE df    z.ratio p.value
 A - B            4.943822 1.3764706 NA  3.5916658  0.0010
 A - C            0.633731 0.9055691 NA  0.6998152  0.7636
 B - C           -4.310091 1.3173294 NA -3.2718403  0.0031

P value adjustment: tukey method for comparing a family of 3 estimates

   ### Remember to ignore “estimate” and “SE” of differences with CLM,###   as well as “lsmeans” in the output not shown here

我错过了什么？

解决方法

这是tukeyHSD函数的工作：

TukeyHSD(aov(model))
  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = model)

$cyl.chr
          diff        lwr        upr     p adj
B-A  -6.920779 -10.769350 -3.0722086 0.0003424
C-A -11.563636 -14.770779 -8.3564942 0.0000000
C-B  -4.642857  -8.327583 -0.9581313 0.0112287

'emmeans' 包是 'lsmeans' 的继承者。以下是如何将其用于您的问题：

library(emmeans)
model.emmeans <- emmeans(model,"cyl.chr")
pairs(model.emmeans)

但是对于只有一个因子的方差分析模型（单向方差分析），这给出了与 TukeyHSD 相同的结果。