J'ai construit un modèle de régression linéaire simple avec 'Score' comme variable dépendante, et 'Activity' comme indépendant. 'Activity' a 5 niveaux: 'listen' (niveau de référence), 'read1', 'read2', 'watch1', 'watch2'.Comment interpréter la sortie de TukeyHSD dans R? (en relation avec le modèle de régression sous-jacent)
Call:
lm(formula = Score ~ Activity)
Residuals:
Min 1Q Median 3Q Max
-22.6154 -8.6154 -0.6154 7.1346 31.3846
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 41.615 2.553 16.302 <2e-16 ***
Activityread1 6.385 7.937 0.804 0.4254
Activityread2 20.885 9.552 2.186 0.0340 *
Activitywatch1 3.885 4.315 0.900 0.3728
Activitywatch2 -11.415 6.357 -1.796 0.0792 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 13.02 on 45 degrees of freedom
Multiple R-squared: 0.1901, Adjusted R-squared: 0.1181
F-statistic: 2.64 on 4 and 45 DF, p-value: 0.04594
Afin d'obtenir toutes les comparaisons par paires, j'ai effectué un test TukeyHSD, dont la sortie, je vais avoir du mal à interpréter. Alors que la sortie du modèle montre que le seul effet significatif que nous avons est dû au contraste entre 'listen' et 'read2', les résultats de TukeyHSD donnent que le seul contraste significatif existe entre 'watch2' et 'read2'. Qu'est-ce que ça veut dire?
> TukeyHSD(aov(mod4), "Activity")
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = mod4)
$Activity
diff lwr upr p adj
read1-listen 6.384615 -16.168371 28.937602 0.9279144
read2-listen 20.884615 -6.256626 48.025857 0.2034549
watch1-listen 3.884615 -8.376548 16.145779 0.8952957
watch2-listen -11.415385 -29.477206 6.646437 0.3885969
read2-read1 14.500000 -19.264610 48.264610 0.7397464
watch1-read1 -2.500000 -26.031639 21.031639 0.9981234
watch2-read1 -17.800000 -44.811688 9.211688 0.3466391
watch1-read2 -17.000000 -44.959754 10.959754 0.4278714
watch2-read2 -32.300000 -63.245777 -1.354223 0.0368820
watch2-watch1 -15.300000 -34.569930 3.969930 0.1783961
Et que dois-je signaler quand il s'agit de faire un rapport sur le modèle? La sortie de TukeyHSD devrait-elle être la seule chose que je prends en considération? – fannilegoza
qui dépendra de ce que votre étude/hypothèse était, je suppose que l'idée était que les groupes de lecture et de vision seraient plus performants par rapport au groupe d'écoute (plus d'engagement). Si tout ce qui vous intéresse est que l'amélioration de la ligne de base d'écoute ignore les résultats de TukeyHSD et rapporte les p-values du modèle – Nate