Когда мы используем контрасты Гельмерта (или любые контрасты) в R, мы получаем следующий результат:
> data<-iris
> contrasts(data$Species)<-contr.helmert(3)
> new_anovamodel<-aov(Sepal.Length~Species, data = data)
> summary.lm(new_anovamodel)
Call:
aov(formula = Sepal.Length ~ Species, data = data)
Residuals:
Min 1Q Median 3Q Max
-1.6880 -0.3285 -0.0060 0.3120 1.3120
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 5.84333 0.04203 139.020 < 2e-16 ***
Species1 0.46500 0.05148 9.033 8.77e-16 ***
Species2 0.37233 0.02972 12.527 < 2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.5148 on 147 degrees of freedom
Multiple R-squared: 0.6187, Adjusted R-squared: 0.6135
F-statistic: 119.3 on 2 and 147 DF, p-value: < 2.2e-16
> confint(new_anovamodel)
2.5 % 97.5 %
(Intercept) 5.7602675 5.9263991
Species1 0.3632656 0.5667344
Species2 0.3135969 0.4310697
Однако многое из этого не очень информативно или, по крайней мере, не может быть легко интерпретировано из-за того, как масштабируется оценка. Есть ли способ получить среднюю разницу для контраста 1 (виды 1: сетоса против разноцветного) и контраста 2 (сетоза / разноцветный против вирджиники) вместо оценки, наряду с SE и 95% доверительным интервалом для этой разницы? Основываясь на информации здесь , я знаю, что могу преобразовать оценку в средние различия, умножив контраст 1 на 2 и контраст 2 на 3. Но что мне делать с SE и CI?