J'ai un modèle dans lequel j'essaie d'étudier des comparaisons par paires d'effets imbriqués. Je ne suis pas sûr d'avoir correctement écrit le modèle et je ne comprends pas comment évaluer le terme imbriqué.Évaluation des comparaisons par paires d'effets imbriqués
Ma trame de données a une variable de réponse appelée «qualité» et trois variables de prédicteur appelées «site» «mois» et «jour». Dans ma configuration expérimentale, j'ai mesuré la qualité de chaque individu. Il y avait deux sites. J'ai échantillonné chaque site pendant 4 mois. Chaque mois a eu 4 jours consécutifs d'échantillonnage. J'aimerais savoir si les personnes d'un jour sont de qualité sensiblement différente de celles des autres jours du même mois. Je ne suis pas intéressé à comparer des jours à un mois à des jours d'un autre mois.
Mon trame de données est la suivante
test<- structure(list(Site = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("H", "W"), class = "factor"),
Day = structure(c(19L, 19L, 19L, 19L, 19L, 19L, 19L, 19L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L,
5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L,
18L, 18L, 18L, 18L, 18L, 18L, 18L, 18L, 18L, 15L, 15L, 15L,
15L, 15L, 15L, 15L, 15L, 15L, 15L, 15L, 15L, 15L, 15L, 15L,
15L, 15L, 15L, 15L, 15L, 15L, 15L, 15L, 26L, 26L, 26L, 26L,
26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L,
26L, 26L, 8L, 8L, 8L, 8L, 8L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 17L, 17L, 17L, 17L, 17L, 17L, 17L, 17L,
17L, 17L, 17L, 17L, 17L, 17L, 17L, 17L, 17L, 17L, 17L, 17L,
17L, 17L, 17L, 17L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L,
14L, 14L, 14L, 14L, 14L, 25L, 25L, 25L, 11L, 11L, 11L, 11L,
11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L,
11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 22L,
22L, 7L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L,
16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L,
16L, 16L, 16L, 16L, 16L, 16L, 13L, 13L, 13L, 13L, 13L, 13L,
13L, 13L, 13L, 13L, 13L, 13L, 13L, 13L, 13L, 13L, 13L, 13L,
13L, 13L, 13L, 13L, 13L, 13L, 13L, 13L, 13L, 24L, 24L, 24L,
24L, 24L, 24L, 24L, 24L, 24L, 24L, 24L, 24L, 24L, 24L, 10L,
10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L,
10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L,
10L, 10L, 10L, 21L, 21L, 21L, 21L, 21L, 21L, 21L, 21L, 21L,
21L, 21L, 21L, 21L, 21L, 21L, 21L, 21L, 21L, 21L, 21L, 21L,
21L, 21L, 21L, 21L, 21L, 21L, 6L, 6L, 6L, 6L, 6L, 6L, 6L,
6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 12L,
12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L,
12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L,
23L, 23L, 23L, 23L, 23L, 23L, 23L, 23L, 23L, 23L, 23L, 23L,
23L, 23L, 23L, 23L, 23L, 23L, 23L, 23L, 23L, 23L, 23L, 23L,
23L, 23L, 23L, 23L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L,
9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L,
9L, 9L, 9L, 20L, 20L, 20L, 20L, 20L, 20L, 20L, 20L, 20L,
20L, 20L, 20L, 20L, 20L, 20L, 20L, 20L, 20L, 20L, 20L, 20L,
20L, 20L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L), .Label = c("H1", "H10", "H11", "H12", "H13", "H14",
"H15", "H16", "H2", "H3", "H4", "H6", "H7", "H8", "H9", "W10",
"W11", "W12", "W13", "W2", "W3", "W4", "W6", "W7", "W8",
"W9"), class = "factor"), Month = structure(c(3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 2L, 2L, 2L, 2L, 2L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("August",
"November", "October", "September"), class = "factor"), Quality = c(42.535,
46.651, 45.466, 43.483, 44.896, 46.581, 47.494, 47.529, 46.562,
45.111, 45.982, 48.367, 47.39, 45.388, 46.313, 44.732, 48.641,
46.614, 45.234, 45.96, 44.795, 44.333, 46.559, 46.826, 44.166,
45.19, 46.661, 45.481, 46.828, 43.487, 49.505, 48.558, 45.218,
44.802, 43.975, 47.23, 44.85, 46.213, 44.726, 43.036, 47.211,
45.536, 44.62, 44.297, 36.115, 39.314, 42.349, 44.919, 46.296,
46.317, 45.858, 45.036, 45.861, 48.85, 45.337, 45.03, 47.4,
48.78, 49.829, 45.12, 45.599, 43.235, 44.735, 44.889, 45.666,
46.475, 44.888, 46.215, 42.242, 46.341, 45.992, 43.549, 46.612,
44.232, 42.706, 42.064, 43.837, 43.351, 41.064, 44.364, 42.597,
45.561, 44.51, 45.184, 44.896, 45.772, 47.43, 44.08, 44.697,
45.141, 43.776, 47.175, 46.115, 43.39, 47.426, 47.636, 43.672,
45.987, 45.338, 46.644, 42.192, 47.011, 45.856, 44.764, 36.285,
33.741, 34.324, 35.101, 46.844, 42.52, 48.649, 44.364, 44.688,
45.822, 44.945, 44.311, 44.684, 42.787, 45.516, 46.16, 46.289,
45.661, 45.772, 43.845, 48.717, 46.567, 44.719, 46.585, 45.33,
45.995, 48.053, 44.734, 51.233, 44.597, 45.742, 46.567, 46.478,
44.382, 47.316, 46.205, 45.111, 47.575, 46.014, 44.533, 45.347,
45.983, 47.053, 44.855, 48.021, 45.155, 49.248, 45.634, 48.815,
45.413, 43.091, 47.854, 45.19, 47.495, 47.323, 48.076, 44.183,
43.182, 46.267, 41.58, 44.237, 45.607, 48.517, 44.639, 44.773,
42.787, 43.965, 46.629, 46.256, 47.688, 44.126, 44.712, 47.097,
44.561, 47.306, 45.323, 46.328, 45.832, 46.075, 46.778, 47.445,
45.582, 47.691, 45.193, 48.453, 46.301, 44.847, 43.675, 46.066,
47.896, 45.2, 44.959, 47.401, 46.267, 45.743, 47.411, 46.926,
46.24, 46.212, 44.988, 36.552, 38.027, 47.355, 40.147, 38.094,
39.043, 37.589, 46.491, 46.413, 43.92, 45.228, 46.319, 44.764,
47.376, 43.924, 45.203, 45.418, 45.684, 46.34, 43.655, 44.365,
46.927, 48.269, 45.473, 46.451, 42.752, 48.346, 47.832, 46.534,
46.47, 43.282, 47.749, 44.856, 46.551, 45.925, 45.669, 47.263,
44.367, 47.017, 42.922, 44.904, 48.85, 45.535, 48.512, 46.154,
47.306, 46.571, 46.619, 46.092, 43.808, 47.7, 48.482, 44.407,
45.442, 44.771, 46.373, 47.777, 43.012, 46.154, 45.203, 46.443,
43.461, 45.714, 40.776, 48.949, 45.72, 48.269, 45.782, 43.945,
45.382, 43.729, 44.187, 45.267, 46.012, 42.234, 43.431, 41.973,
45.597, 45.993, 46.303, 44.493, 44.981, 46.487, 45.01, 47.009,
46.904, 48.277, 48.585, 48.625, 47.511, 44.011, 42.21, 47.124,
44.244, 47.76, 47.299, 45.278, 45.564, 44.621, 46.75, 45.396,
44.947, 46.185, 45.399, 46.095, 49.545, 47.211, 43.613, 48.494,
44.102, 45.888, 45.473, 47.222, 46.681, 45.863, 47.834, 48.386,
46.979, 46.318, 46.061, 46.347, 47.976, 47.079, 48.254, 47.643,
46.244, 46.717, 44.574, 45.177, 44.879, 46.485, 47.416, 50.235,
45.626, 48.117, 44.529, 44.281, 47.087, 47.356, 43.234, 45.841,
43.487, 42.997, 35.322, 45.554, 44.973, 43.396, 43.023, 44.65,
47.088, 41.934, 45.704, 44.559, 37.969, 42.687, 42.995, 45.287,
45.21, 43.335, 46.892, 45.534, 44.19, 43.606, 44.173, 49.334,
44.888, 47.477, 47.054, 41.041, 46.629, 45.049, 44.478, 40.278,
43.044, 43.575, 46.194, 42.688, 41.361, 46.828, 45.534, 47.395,
45.431, 45.433, 45.331, 43.947, 47.371, 48.308, 45.726, 41.833,
45.782, 44.756, 45.406, 45.661, 43.447, 46.932, 45.495, 44.349,
40.493, 43.603, 48.151, 44.037, 44.379, 45.934, 44.854, 42.321,
46.198, 44.622, 46.077, 45.306, 48.951, 47.972, 42.581, 43.608,
45.988, 44.955, 45.097, 46.768, 44.722, 45.971, 46.612, 48.956,
47.669, 47.757, 47.189, 44.184, 48.464, 49.546, 48.021, 45.448,
45.573, 46.778, 45.769, 45.419, 45.277, 47.489, 46.762, 46.238,
47.509, 47.249, 46.243, 46.124, 46.801, 47.385, 43.614, 44.661,
45.96, 48.791, 47.872, 42.402, 45.651, 45.927, 43.781, 49.923,
47.153, 46.87, 43.767, 47.3, 46.897, 44.932, 45.135, 50.124,
45.366, 45.063, 45.958, 46.731, 43.863, 45.095, 47.755, 45.446,
45.145, 45.998, 46.377, 44.369, 46.485, 48.852, 45.365, 45.934,
44.856, 48.195, 45.424, 49.05, 46.115, 43.077, 48.305, 44.784,
44.934, 46.253, 46.203, 48.36, 47.36, 48.872, 44.803)), .Names = c("Site",
"Day", "Month", "Quality"), class = "data.frame", row.names = c(NA,
-496L))
J'ai écrit le modèle comme celui-ci
library(lsmeans)
fit1<-aov(Quality~Site*Month + (Site*Month)/Day, data=test)
Ce modèle semble fonctionner pour moi. Je comprends comment évaluer le terme d'interaction et les principaux effets du site et du mois, mais j'ai du mal à évaluer le jour pour une raison quelconque. J'ai essayé
dayeffects<-lsmeans(fit1, pairwise~Site*Month/Day, adjust="bonferroni")
results <- dayeffects[[2]]
summary(results)[!is.na(summary(results)[,4]),]
Mais cela semble tester chaque comparaison par paire plutôt que de suivre la structure d'imbrication. Comme je l'ai dit ci-dessus, je veux seulement comparer les jours qui se produisent dans le même mois et le même site.
Même si je sais que je pourrais prendre les comparaisons que je veux d'en haut, j'ai l'impression de faire quelque chose de mal. En outre, il rend l'ajustement bonferroni excessif.
Toute aide serait géniale. Merci
Désolé, je devrais probablement ajouter que je ne veux évaluer les autres effets du modèle, donc pourquoi j'ai écrit le modèle de cette façon. Je n'ai pas de problèmes cette partie de l'analyse –
Oui mais je veux tester chaque site spécifiquement, pas moyen sur cette variable. Je l'ai codé de cette façon parce que je pensais que vous aviez besoin d'identifiants uniques dans les designs imbriqués? –
avoir vu 'library (glht)'? – Nate