这可能看起来有点自我促进(我想是的)。但是我为R 开发了一个lsmeans包(可在CRAN上使用),旨在解决这种情况。这是您的示例的工作方式:
> sample.data <- data.frame(IV=rep(1:4,each=20),DV=rep(c(-3,-3,1,3),each=20)+rnorm(80))
> sample.aov <- aov(DV ~ factor(IV), data = sample.data)
> library("lsmeans")
> (sample.lsm <- lsmeans(sample.aov, "IV"))
IV lsmean SE df lower.CL upper.CL
1 -3.009669 0.2237448 76 -3.4552957 -2.564043
2 -3.046072 0.2237448 76 -3.4916980 -2.600445
3 1.147080 0.2237448 76 0.7014539 1.592707
4 3.049153 0.2237448 76 2.6035264 3.494779
> contrast(sample.lsm, list(mycon = c(-3,-1,1,3)))
contrast estimate SE df t.ratio p.value
mycon 22.36962 1.000617 76 22.356 <.0001
如果愿意,可以在列表中指定其他对比度。对于此示例,您将获得与内置线性多项式对比度相同的结果:
> con <- contrast(sample.lsm, "poly")
> con
contrast estimate SE df t.ratio p.value
linear 22.369618 1.0006172 76 22.356 <.0001
quadratic 1.938475 0.4474896 76 4.332 <.0001
cubic -6.520633 1.0006172 76 -6.517 <.0001
要确认这一点,请注意"poly"
规范将其定向为call poly.lsmc
,这会产生以下结果:
> poly.lsmc(1:4)
linear quadratic cubic
1 -3 1 -1
2 -1 -1 3
3 1 -1 -3
4 3 1 1
如果您希望对多个对比进行联合测试,请将此test
功能与配合使用joint = TRUE
。例如,
> test(con, joint = TRUE)
这将产生“ III型”测试。不同于car::Anova()
,无论模型拟合阶段中使用的是哪种对比编码,它都能正确执行。这是因为被测试的线性函数是直接指定的,而不是通过模型简化来隐式指定的。另一个特征是,检测到被测对比度线性相关的情况,并产生正确的测试统计量和自由度。