如何获得显着的总体方差分析，但Tukey的过程没有成对的显着差异？

18

我用R进行了方差分析，并且得到了很大的不同。但是，当使用Tukey的程序检查哪些对有显着差异时，我什么也没得到。这怎么可能？

这是代码：

fit5_snow<- lm(Response ~ Stimulus, data=audio_snow)
anova(fit5_snow)

> anova(fit5_snow)
Analysis of Variance Table

Response: Response
          Df Sum Sq Mean Sq F value  Pr(>F)  
Stimulus   5  73.79 14.7578  2.6308 0.02929 *
Residuals 84 471.20  5.6095                  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

df<-df.residual(fit5_snow)
MSerror<-deviance(fit5_snow)/df

comparison <-  HSD.test(audio_snow$Response, audio_snow$Stimulus, df, MSerror, group=FALSE)

> comparison <-  HSD.test(audio_snow$Response, audio_snow$Stimulus, df, MSerror, group=FALSE)

Study:

HSD Test for audio_snow$Response 

Mean Square Error:  5.609524 

audio_snow$Stimulus,  means

                audio_snow.Response   std.err replication
snow_dry_leaves            4.933333 0.6208034          15
snow_gravel                6.866667 0.5679258          15
snow_metal                 6.333333 0.5662463          15
snow_sand                  6.733333 0.5114561          15
snow_snow                  7.333333 0.5989409          15
snow_wood                  5.066667 0.7713110          15

alpha: 0.05 ; Df Error: 84 
Critical Value of Studentized Range: 4.124617 

Comparison between treatments means

                              Difference   pvalue sig        LCL      UCL
snow_gravel - snow_dry_leaves  1.9333333 0.232848     -0.5889913 4.455658
snow_metal - snow_dry_leaves   1.4000000 0.588616     -1.1223246 3.922325
snow_sand - snow_dry_leaves    1.8000000 0.307012     -0.7223246 4.322325
snow_snow - snow_dry_leaves    2.4000000 0.071587   . -0.1223246 4.922325
snow_wood - snow_dry_leaves    0.1333333 0.999987     -2.3889913 2.655658
snow_gravel - snow_metal       0.5333333 0.989528     -1.9889913 3.055658
snow_gravel - snow_sand        0.1333333 0.999987     -2.3889913 2.655658
snow_snow - snow_gravel        0.4666667 0.994348     -2.0556579 2.988991
snow_gravel - snow_wood        1.8000000 0.307012     -0.7223246 4.322325
snow_sand - snow_metal         0.4000000 0.997266     -2.1223246 2.922325
snow_snow - snow_metal         1.0000000 0.855987     -1.5223246 3.522325
snow_metal - snow_wood         1.2666667 0.687424     -1.2556579 3.788991
snow_snow - snow_sand          0.6000000 0.982179     -1.9223246 3.122325
snow_sand - snow_wood          1.6666667 0.393171     -0.8556579 4.188991
snow_snow - snow_wood          2.2666667 0.103505     -0.2556579 4.788991

anova post-hoc tukey-hsd

— L_T
source

你能给数据吗？

— ttnphns 2011年

1

我发现对此问题stats.stackexchange.com/questions/74174/…（标记为重复此线程）的回复特别有用。

— 变形虫说恢复莫妮卡2014年

2

为什么不可能呢？

整体测试和成对测试提出了不同的问题，因此他们可以获得不同的答案。

— 彼得富勒姆-恢复莫妮卡
source

1

您能否再说更多。

— rolando2

2

总体方差分析询问有关整个自变量及其与因变量的关系（或不存在因变量）的问题。成对比较询问成对之间的差异。然后，p值查看统计信号。其中的每一个都进行了成对调整，以进行多次比较（在这种情况下，使用Tukey的HSD方法）。

— 彼得·弗洛姆

1

谢谢，彼得。也许他们问“不同的问题”的次数减少了，而对多个比较的调整却更多了，从而说明了不同的结果。

— rolando2，2011年

17

这主要是由于ANOVA的灵敏度（大于成对测试灵敏度）。然后，当成对检验很难区分成对均值时，方差分析会检测均值附近的较低变异性。分析必须着眼于差异，并且要记住事后平均值存在差异，因此您可以更加灵活地进行事后分析。请记住检查方差分析的假设。

另一方面，有一些主题涉及不使用ANOVA的成对测试的使用：在事后测试之前，我们是否需要全局测试？

— 何塞·祖布科夫
source

在进行Tukey hsd比较之前，绝对不需要进行全局测试，因为hsd控制I型错误率。不过，我不愿意将它们称为“事后”，因为应该事先计划好它们。

— David Lane