Нужно ли создавать другую модель для выполнения теста Тьюки, когда анова показывает, что значимы только факторы, а не их взаимодействие? - PullRequest
Новая
       102

Нужно ли создавать другую модель для выполнения теста Тьюки, когда анова показывает, что значимы только факторы, а не их взаимодействие?

0 голосов
/ 24 апреля 2020

Я делаю повторные измерения ANOVA в R с библиотеками: 

library(ordinal)
library(car)
library(RVAideMemoire)

У меня есть две группы: месяцы и расстояние, и зависимая переменная - CO2:

расстояние месяц CO2

0 метров в июле 234

Я сделал модель clmm для CO2, объясненную расстоянием, месяцем и взаимодействием между месяцем и расстоянием: 

model_CO2 = clmm(CO2.f ~ month + distance + month:distance + (1|nest),
             data = field_data,
             threshold = "equidistant")

Результаты показывают, что как месяц, так и расстояние имеют значение, но не их взаимодействие. Теперь я хочу выполнить тест Тьюки с этой информацией, поэтому моя идея состоит в том, чтобы выполнить тест Тьюки для каждого фактора отдельно.

Мой вопрос:

Нужно ли делать другую модель? где я разделяю каждый фактор? Или я могу просто выполнить тест Тьюки, используя модель, которую я создал, но с учетом только одного фактора?

Пример:

Используя исходную модель: 

library(emmeans)
library(lsmeans)

Tmonth = lsmeans(model_CO2,
        ~ month)
multcomp::cld(Tmonth,
              alpha = 0.05,
              Letters = letters,
              adjust = "tukey")

Создание новой Модель только на месяц, а затем выполняет тест Тьюки: 

model_CO2m = clmm(CO2.f ~ month + (1|nest),
                 data = field_data,
                 threshold = "equidistant")
Tmonth = lsmeans(model_CO2m,
        ~ month)
multcomp::cld(Tmonth,
              alpha = 0.05,
              Letters = letters,
              adjust = "tukey")

Заранее спасибо!

1 Ответ

0 голосов
/ 24 апреля 2020

Я думаю, что некоторые люди рекомендуют вам это сделать. Но нет, у вас нет , поскольку предполагаемые предельные значения, которые вы сравниваете, четко определены; Эффекты взаимодействия просто усредняются по.

Я бы порекомендовал вам построить оценки для комбинаций факторов, используя, например, emmip(), чтобы вы четко понимали, какие оценки используются. усредненное значение.

Примечание

Я только что заметил в вопросе, что вы полностью исключили фактор из модели. Я определенно рекомендую против сделать это. Каждый фактор вносит значительный основной эффект, поэтому оба они входят в модель. Если вы хотите рассмотреть сокращенную модель здесь, рассмотрите только модель с обоими основными эффектами, но без взаимодействия.

...