我想问一下,在组和阶段变量之间存在交互效应的情况下,如何正确执行R中的简单主效应分析?
我的一个朋友在SPSS中做了同样的分析(使用Bonferroni校正),我试图在R.中重现他的结果
我有以下结构的数据集:
ID Group Stage Y
1 I pre 0.123
1 I post 0.453
2 II pre 0.676
2 II post 0.867
3 I pre 0.324
3 I post 0.786
4 II pre 0.986
4 II post 0.112
... ... ... ...
这是2x2混合方差分析模式(1个在主题变量"组"之间,1个在主体变量"阶段"内,这构成了y因变量的重新评分测量)。
我使用ezANOVA函数进行了分析:
ezANOVA(data = dat, dv = y, wid = ID, between = Group, within = Stage, detailed = TRUE, type = "III")
我发现了一个重要的互动阶段*小组。所以我已经确定了使用Bonferroni校正的简单效果。我试着用很多方法做到这一点。例如,如果我想在第一组中发现阶段变量级别之间的显著交互,我尝试使用:
dataControl <- subset(dat, Group == "control" )
ezANOVA(data = dataControl, dv = y, wid = ID, within = Stage, detailed = TRUE, type = "III" ) // method 1
aov(data = dataControl, y ~ Stage + Error(ID/Stage)) // method 2
t.test(y ~ Stage, paired=TRUE) // method 3
但每种方法都给了我不同的p值结果。这些p值均未与SPSS计算的p值相匹配有趣的是,主效应p值和其他计算在SPSS和R中给出了相同的结果。因此,我认为我在简单的主效应分析中使用了错误的方法。
如果你能帮助我,我将不胜感激。
如果你想让R给你和SPSS一样的数字,可以这样做:
#pairwise comparisons
library(asbio)
bonf <- pairw.anova(data$dv, data$group, method="bonf") #also try "tukey" or "lsd"
print(bonf)
#plot(bonf) #can plot the CFs
这将为您提供t(s)、平均差、上下限、HLSD差下上决策调整p值决策和调整p值。