R中带有对比代码的III型SS ANOVA如何处理？

请提供R代码，该代码允许以-3，-1、1、3的对比度进行对象间ANOVA。我了解对于此类分析的适当平方和（SS）类型存在争议。但是，由于SAS和SPSS中使用的默认SS类型（III型）被认为是我所在地区的标准。因此，我希望此分析的结果与那些统计程序生成的结果完全匹配。要被接受，答案必须直接调用aov（），但其他答案可能会被投票（尤其是如果它们易于理解/使用）。

sample.data <- data.frame(IV=rep(1:4,each=20),DV=rep(c(-3,-3,1,3),each=20)+rnorm(80))

编辑：请注意，我要求的对比度不是简单的线性或多项式对比度，而是通过理论预测得出的对比度，即Rosenthal和Rosnow讨论的对比度类型。

可通过汽车包装中的Anova()功能轻松获得用于ANOVA的III型平方和。

可以使用C()，contr.*系列（由@nico指示）或直接通过contrasts()函数/参数以几种方式完成对比度编码。在带有S的《现代应用统计学》的第6.2节（第144-151页）中有详细介绍（Springer，2002年，第4版）。请注意，这aov()只是该函数的包装lm()函数。当人们想控制模型的误差项时（例如在主体内设计中），这很有趣，但是否则它们都将产生相同的结果（无论采用哪种方式拟合模型，您仍然可以输出ANOVA或LM-例如用summary.aov或总结summary.lm。

我没有SPSS可以比较两个输出，但是类似

> library(car)
> sample.data <- data.frame(IV=factor(rep(1:4,each=20)),
                            DV=rep(c(-3,-3,1,3),each=20)+rnorm(80))
> Anova(lm1 <- lm(DV ~ IV, data=sample.data, 
                  contrasts=list(IV=contr.poly)), type="III")
Anova Table (Type III tests)

Response: DV
            Sum Sq Df F value    Pr(>F)    
(Intercept)  18.08  1  21.815  1.27e-05 ***
IV          567.05  3 228.046 < 2.2e-16 ***
Residuals    62.99 76                      
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

值得一审尝试。

关于R vs. SAS中的因子编码：R将基线或参考级别视为按字典顺序排列的第一级别，而SAS将其视为最后一层。因此，要获得可比的结果，必须使用contr.SAS()或使用relevel()R因子。

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。

您可能想看一下这篇博客文章：

在R中获得与SPSS中相同的ANOVA结果-II型和III型平方和的困难

（剧透：options(contrasts=c("contr.sum", "contr.poly"))在脚本的开头添加）

在进行对比时，您是在适当的误差项的上下文中进行单元格平均值的特定，线性声明的组合。因此，“ SS的类型”的概念与对比没有意义。每种对比本质上是使用I型SS的第一个效果。“ SS的类型”与其他术语部分或解释的内容有关。为了形成对比，没有任何东西被分摊或解释。对比本身就存在。

在您的工作场所中使用III型测试的事实是继续使用它们的最弱理由。SAS在这方面严重破坏了统计数据。上面提到的比尔·韦纳布尔斯的训sis法对此很有帮助。只需对III型说不就可以了。它基于错误的平衡概念，并且由于在不平衡情况下愚蠢的电池加权而导致功耗较低。

R rms包contrast.rms函数提供了一种更自然，更不易出错的方式来获得一般对比，并能够描述您所做的事情。对比度可能非常复杂，但对用户而言却非常简单，因为它们是根据预测值的差异来表示的。支持测试和同时对比。它处理非线性回归效应，非线性相互作用效应，局部对比，各种事物。

在汽车库中尝试Anova命令。使用type =“ III”参数，因为它默认为II型。例如：

library(car)
mod <- lm(conformity ~ fcategory*partner.status, data=Moore, contrasts=list(fcategory=contr.sum, partner.status=contr.sum))
Anova(mod, type="III")

同样是自我推广，我为此编写了一个函数：https : //github.com/samuelfranssens/type3anova

安装如下：

library(devtools)
install_github(samuelfranssens/type3anova)
library(type3anova)

sample.data <- data.frame(IV=rep(1:4,each=20),DV=rep(c(-3,-3,1,3),each=20)+rnorm(80))

type3anova(lm(DV ~ IV, data = sample.data))

您还需要car安装该软件包。