Построение различий как внутри, так и между группами

Question

Я использую ggpubr в настоящее время, чтобы построить свои значения. Благодаря граням мне удалось создать сюжеты в соответствии с некоторыми факторами. Наконец, с помощью функции stat_compare_means() мне удалось построить только различия между группами .

. Минимальный код для получения моих фигур:

library(ggpubr)

data("ToothGrowth")

my_comparisons <- list( c("0.5", "1"), c("1", "2"), c("0.5", "2") )

p <- ggboxplot(ToothGrowth, x = "dose", y = "len",
               color = "supp", palette = "npg",
               add = "jitter",
               facet.by = "supp", short.panel.labs = FALSE)
p + stat_compare_means(comparisons = my_comparisons, label = "p.signif")

, где supp - это коэффициент группировки, len результат и dose независимая переменная.

Это результат:

Я хотел бы также отобразить различия в группах (например, статистическая значимость между 0,5 | OJ и 0,5 | V C), но я думаю, что это невозможно с моим текущим кодом.

Может кто-нибудь указать мне к какому-то примеру того, как добиться того, чего я хочу?

РЕДАКТИРОВАТЬ 2

@ Tjebo Для ясности я прилагаю график, похожий на тот, который я ищу, где не только различия между группами (например, между красными и синими полосами), но также внутри групп (например, между двумя красными полосами).

Мне бы хотелось ( возвращаясь к минимальному воспроизводимому примеру), чтобы построить также р-значение между * Например, 1036 * и VC при dosis 0,5.

Answer 1

Статистически, я считаю этот подход довольно сомнительным. Вы ретроспективно создаете некоторые подгруппы и не настраиваетесь на каких-либо нарушителей, которые могут присутствовать.

Но вот мы go. Просто измените переменную x и, конечно, список, который нужен stat_compare_means, чтобы узнать, какие группы сравнивать.

library(ggpubr)

data("ToothGrowth")

my_comparisons <- list( c("OJ", "VC") )

p <- ggboxplot(ToothGrowth, x = "supp", y = "len",
               add = "jitter",
               facet.by = "dose", short.panel.labs = FALSE)
p + stat_compare_means(comparisons = my_comparisons, label = "p.signif")