- Il y a quelqu’un du groupe qui sait comment faire une preuve post-hoc (de Tukey et de Bonferoni) pour détecter les différences dans les facteurs intra et inter sujets ainsi que dans l'interaction des facteurs intra et inter sujets après d’une analyse de mesures répétées?
- Comment je pourrais faire ces contrast?
Le cas spécifique est celui-là d'une expérience de champ avec un facteur fixe inter sujets (1 between) avec trois niveaux (trois catégories d'âge, T, I, M); et deux facteurs fixes intra sujets (2 within), le premier avec trois niveaux (trois saison de l'année : llu, nor, sec) et le deuxième avec deux niveaux (un traitement d'exclusion de semence(graine): se, ce).
Les données son:
Code : Tout sélectionner
plot sellu senor sesec cellu cenor cesec category
07A 1.96601 2.10215 2.17984 1.79 2.48 1.6 T
10B 1.73697 1.96866 1.99766 1.41 2.34 1.47 T
10C 1.87122 1.92848 2.2673 1.52 2.06 1.68 T
15B 2.06851 1.98455 2.43838 1.27 1.98 1.78 I
15C 2.17905 2.49451 2.25759 1.63 2.85 1.72 I
17A 2.2572 2.16882 2.58295 1.87 2.38 1.78 I
60A 1.99913 2.43767 2.29582 1.55 2.62 2.51 M
60B 2.12738 2.64161 2.5385 1.66 2.87 2.7 M
60C 2.22421 2.42401 2.5385 1.81 2.69 2.65 M
Dû à la diversité des approches existent pour réaliser l'analyse de mesures répétées (anova univariate, anova mutivariate et les modèles d'effets mixtes), je vous sollicite de plus commentez si la technique que vous utilisez pour réaliser ce type de contrastes sont exclusives à l'approche que vous utilisez habituellement.
L'approche que j'ais utilisé et l' "Anova()" de car package, le code est:
Code : Tout sélectionner
rm(list=ls(all=TRUE))
### "Anova" code "TWO WITHIN SUBJECTS & ONE BETWEEN";
library(lattice)
library(Matrix)
library(car)
diversityborps.tbl <- read.table("diversityborps.txt", header=TRUE) # Format: "one row per subject" (orps);
exclusion.v <- factor(rep(c("se","ce"),1, each=3), levels= c("se","ce"))# within factor 1 with 2 levels;
season.v <- factor(rep(c("llu","nor","sec"),2), levels=c("llu","nor","sec"))# within factor 2 with 3 levels;
idatab.df <- data.frame(exclusion.v, season.v);
diversityblm.ok <- lm(cbind(sellu, senor, sesec, cellu, cenor, cesec) ~ category, data=diversityborps.tbl);
(diversitybav.ok <- Anova(diversityblm.ok, idata=idatab.df, type="II", idesign=~exclusion.v*season.v));
summary(diversitybav.ok, multivariate=FALSE);
... et la sortie est:
Code : Tout sélectionner
Type II Repeated Measures MANOVA Tests: Pillai test statistic
Df test stat approx F num Df den Df Pr(>F)
category 2 0.773 10.224 2 6 0.0116743 *
exclusion.v 1 0.881 44.368 1 6 0.0005537 ***
category:exclusion.v 2 0.800 11.985 2 6 0.0080241 **
season.v 1 0.957 55.390 2 5 0.0003876 ***
category:season.v 2 0.838 2.164 4 12 0.1351082
exclusion.v:season.v 1 0.989 218.923 2 5 1.355e-05 ***
category:exclusion.v:season.v 2 1.330 5.959 4 12 0.0070383 **
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
> summary(diversitybav.ok, multivariate=FALSE);
Univariate Type II Repeated-Measures ANOVA Assuming Compound Symmetry
SS num Df Error SS den Df F Pr(>F)
category 1.75674 2 0.51545 6 10.224 0.0116743 *
exclusion.v 0.46420 1 0.06278 6 44.367 0.0005537 ***
category:exclusion.v 0.25079 2 0.06278 6 11.985 0.0080241 **
season.v 2.56003 2 0.57726 12 26.609 3.881e-05 ***
category:season.v 0.44315 4 0.57726 12 2.303 0.1181882
exclusion.v:season.v 1.21015 2 0.06554 12 110.790 1.839e-08 ***
category:exclusion.v:season.v 0.43566 4 0.06554 12 19.943 3.107e-05 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Greenhouse-Geisser and Huynh-Feldt Corrections
for Departure from Compound Symmetry
GG eps Pr(>F[GG])
season.v 0.67182 0.0005252 ***
category:season.v 0.67182 0.1557227
exclusion.v:season.v 0.74888 8.915e-07 ***
category:exclusion.v:season.v 0.74888 0.0002609 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
HF eps Pr(>F[HF])
season.v 0.79520 0.0001962 ***
category:season.v 0.79520 0.1401382
exclusion.v:season.v 0.94223 4.480e-08 ***
category:exclusion.v:season.v 0.94223 5.056e-05 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
De nouveaux, le but l'analyse post hoc que je cherche serait de réaliser des contrastes à l'intérieur et entre les facteurs, pour les facteurs inter sujets et pour les facteurs intra sujets qui ont semblé significatifs après l'analyse de mesures répétées.
Y a-t-il quelqu'un qui peut m'aider?
Mercis d'avance...
Alejandro Collantes