用glht()和plot()函数实现方差分析主效应多重比较，附字母标记

用PlantGrowth数据集，记录了三组不同肥料处理下，某种植物的生长情况。具体来说，它包含了三组植物的生长重量，每组各有 10 个观测值。

View(PlantGrowth)

先汇报一下三组weight数据的正态分布情况。

by(PlantGrowth$weight,PlantGrowth$group,shapiro.test)

所得三个p-value均大于0.05，所以满足正态。

接下来直接开始拟合单因素方差分析吧，用aov()函数。

anova1 <- aov(weight~group,data = PlantGrowth)summary(anova1)

本例方差分析F(2,27)=4.846，P值=0.016＜0.05，所以总体认为三组不同处理下植物的生长差异是有统计学意义的。

那么哪些组之间存在有意义的差异呢？需要继续对主效应的三个水平做多重比较。

这里采用glht()函数。

dcbj <- glht(anova1,linfct = mcp(group = "Tukey"), alternative = 'two.side')summary(dcbj)

处理1和处理2分别与对照组比较，是无差异的。

两个处理组下的植物生长情况是有差异的。

接下来对这个差异的结果，进行字母标记，同字母表示无差异，异字母则差异显著。

letter <- cld(object = dcbj,adjust = "Tukey",Letters = letters,alpha = 0.05)letter

用图形可视化来直观表达一下。

par(mar=c(3,5,5,1))plot(letter)

处理1和处理2组是分别标记了不同的字母a和b，所以两个处理间的差异显著。

===

《学不会SPSS就来答疑突破》

《问卷/量表数据分析》

《正交与响应面设计及数据分析》

《JASP统计分析教程》

《统计方法样本量计算》

以上视频课程，欢迎读者朋友根据自己的学习和使用需求选择购买加入。购买课程自动赠送1年微信1对1答疑咨询服务。

今天有优惠券发放，购买和学习地址：