R中具有Welch校正的单因素方差的后验检验
我使用R中的oneway.test()对韦尔奇的修正进行了单向方差分析检验，因为我有违反等方差假设的数据(转换没有解决问题)。
一个简单的数据示例：
> dput(df)
structure(list(Count = c(13, 14, 14, 12, 11, 13, 14, 15, 13,
12, 20, 15, 9, 5, 13, 14, 7, 17, 18, 14, 12, 12, 13, 14, 11,
10, 15, 14, 14, 13), Group = structure(c(1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("a", "b", "c"
), class = "factor")), .Names = c("Count", "Group"), row.names = c(NA,
-30L), class = "data.frame")
library(car)
grp = as.factor(c(rep(1, 10), rep(2, 10),rep(3, 10)))
leveneTest(df$Count,grp) #unequal variances
#one-way ANOVA with welch's correction
oneway.test(Count ~ Group, data=df, na.action=na.omit, var.equal=FALSE)我有多个组，所以我现在想运行成对的post-hoc测试。有没有什么方法可以用oneway.test()函数中的对象来做到这一点？如果不是，如何在方差不相等的组上运行成对测试？我还没能在网上找到这个问题的答案。任何建议都将不胜感激。
回答 2
Stack Overflow用户
发布于 2015-02-18 20:05:45
这里有两种方法：
数据
library(car)
df <- structure(list(Count = c(13, 14, 14, 12, 11, 13, 14, 15, 13, 12, 20, 15, 9, 5, 13, 14, 7, 17, 18, 14, 12, 12, 13, 14, 11, 10, 15, 14, 14, 13),
Group = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("a", "b", "c" ), class = "factor")),
.Names = c("Count", "Group"),
row.names = c(NA, -30L), class = "data.frame")基数R
首先，Group因子的唯一对的集合：
allPairs <- expand.grid(levels(df$Group), levels(df$Group))
## http://stackoverflow.com/questions/28574006/unique-combination-of-two-columns-in-r/28574136#28574136
allPairs <- unique(t(apply(allPairs, 1, sort)))
allPairs <- allPairs[ allPairs[,1] != allPairs[,2], ]
allPairs
## [,1] [,2]
## [1,] "a" "b"
## [2,] "a" "c"
## [3,] "b" "c" 现在来分析一下：
allResults <- apply(allPairs, 1, function(p) {
dat <- df[ df$Group %in% p, ]
ret <- oneway.test(Count ~ Group, data = dat, na.action = na.omit, var.equal = FALSE)
ret$groups <- p
ret
})
length(allResults)
## [1] 3
allResults[[1]]
## One-way analysis of means (not assuming equal variances)
## data: Count and Group
## F = 0.004, num df = 1.000, denom df = 10.093, p-value = 0.9508如果你想要这是一个矩阵，也许是这样：
mm <- diag(length(levels(df$Group)))
dimnames(mm) <- list(levels(df$Group), levels(df$Group))
pMatrix <- lapply(allResults, function(res) {
## not fond of out-of-scope assignment ...
mm[res$groups[1], res$groups[2]] <<- mm[res$groups[2], res$groups[1]] <<- res$p.value
})
mm
## a b c
## a 1.0000000 0.9507513 0.6342116
## b 0.9507513 1.0000000 0.8084057
## c 0.6342116 0.8084057 1.0000000(对于F统计量，这也可以很容易地完成。)
使用dplyr
首先，Group因子的唯一对的集合：
library(dplyr)
## http://stackoverflow.com/questions/28574006/unique-combination-of-two-columns-in-r/28574136#28574136
allPairs <- expand.grid(levels(df$Group), levels(df$Group), stringsAsFactors = FALSE) %>%
filter(Var1 != Var2) %>%
mutate(key = paste0(pmin(Var1, Var2), pmax(Var1, Var2), sep='')) %>%
distinct(key) %>%
select(-key)
allPairs
## Var1 Var2
## 1 b a
## 2 c a
## 3 c b如果顺序真的很重要，您可以在此管道中提前添加dplyr::arrange(Var1, Var2)，也许可以在调用expand.grid之后添加。
现在来分析一下：
ret <- allPairs %>%
rowwise() %>%
do({
data.frame(.,
oneway.test(Count ~ Group, filter(df, Group %in% c(.$Var1, .$Var2)),
na.action = na.omit, var.equal = FALSE)[c('statistic', 'p.value')],
stringsAsFactors = FALSE)
})
ret
## Source: local data frame [3 x 4]
## Groups: <by row>
## Var1 Var2 statistic p.value
## 1 b a 0.004008909 0.9507513
## 2 c a 0.234782609 0.6342116
## 3 c b 0.061749571 0.8084057(我并没有对这两种方法的性能提出任何要求；通常，其中一种方法只需要很少的数据，而另一种方法则需要更大的数据集。它们似乎都使用相同的结果执行相同的统计成对比较。看你的了！)
Stack Overflow用户
发布于 2015-06-26 13:26:32
只是补充一下，尽管时机不佳，给出了比我自己一直在寻找的类似东西，也有执行游戏-豪厄尔测试的选项。这甚至被包含在这个stackexchange_post中介绍的“userfriendlyscience”R包中的“posthoc.tgh”函数下。它代表了对不等方差的Tukey-Kramer检验的扩展。posthocTGH {用户友好科学}
原始出版物(甚至在我出生之前)：保罗·A·游戏和约翰·豪厄尔。具有不等N's和/或方差的成对多重比较程序:蒙特卡洛研究。《教育与行为统计杂志》，第一卷，第二期，1976，第113-125页。doi: 10.3102/10769986001002113
https://stackoverflow.com/questions/28587498
复制相似问题
腾讯云开发者
