1.LSD法 LSD法即最小显著差法；该法一般用于计划好的多重比较。它其实只是t检验的一个简单变形，并未对检验水准做出任何校正，只是为所有组的均数统一估计了一个更为稳健的标准误。LSD法比较效果较为灵敏，在R语言中可利用agricolae包中的LSD.test函数实现，其调用格式为：LSD.test(y, trt, DFerror, MSer
1.LSD法 LSD法即最小显著差法;该法一般用于计划好的多重比较。它其实只是t检验的一个简单变形,并未对检验水准做出任何校正,只是为所有组的均数统一估计了一个更为稳健的标准误。 LSD法比较效果较为灵敏,在R语言中可利用agricolae包中的LSD.test函数实现,其调用格式为:...
我们使用PMCMRplus包中的lsdTest函数，来进一步探索实验组和对照组之间的长度测量值差异。该函数可以帮助我们总结并展示这种差异的统计结果。
(1)LSD.test() library(agricolae)#需要用的包 data <- LSD.test(aov6,'trt',p.adj = 'bonferroni')#'bonferroni'#对P值进行修正 print(data6$groups) plot(data6) 1. 2. 3. 4. (2)Duncan.test() library(agricolae) data6<-duncan.test(aov6,'trt') data6$groups plot(data6) 1. 2. 3....
当A=B+C时称不存在交互效应;当A>B+C时称存在正交互作用，又称协同作用(Synergy)。 在一个回归模型...
LSD.test是单因素方差分析和多重比较中比较常用的函数,大家肯定非常熟悉,但平时可能进行数据分析的时候需要做很多次方差分析,因此批量单因素方差分析也是很有必要学习和掌握的。今天主要与大家分享批量单因素方差分析和ggplot循环绘制柱状图及保存导出。 一、数据展示 ...
# out <- LSD.test(y,sub_design$group, p.adj="none")#进行多重比较,不矫正P值 # tuk=TukeyHSD(y) # out <-scheffe.test (y,"group") } }# Pvalueout<-cbind(a,Pvalue, pB,pCK,pRS) head(out) ## CK5 CK4 CK3 CK2 CK1 ## ...
多重比较的方法非常多,Dunnett法没有LSD法灵敏,我们换LSD看看啥情况。 语法代码: install.packages("agricolae") dfclsd <- LSD.test(dfc,'group',p.adj = 'none')dfclsd$groups 输出一个可视化效果 plot(dfclsd) 可见,两个处理与控制组相比均无差异。和Dunnett的结论一致。
(type = "Dunnett"),alternative = "two.side") # out <- LSD.test(y,sub_design$group, p.adj="none")#进行多重比较,不矫正P值 # tuk=TukeyHSD(y) # out <-scheffe.test (y,"group") }}# Pvalueout<-cbind(a,Pvalue, pB,pCK,pRS)head(out)## CK5 CK4 CK3 CK2 CK1## RE1 ...
res <- lsdTest(fit) summary(res) # 结果非常直观 ## ## Pairwise comparisons using Least Significant Difference Test ## data: weight by trt ## alternative hypothesis: two.sided ## P value adjustment method: none ## H0 ## t value Pr(>|t|) ## group2 - group1 == 0 -4.219 4.8872...