当anova显示只有因子显著而没有它们的交互作用时，我是否必须再做一个模型来进行Tukey检验？

Question

我正在用R库做重复测量方差分析。

library(ordinal)
library(car)
library(RVAideMemoire)

我有两个组： 月和距离，因变量是二氧化碳。

距离 月份 CO2

0米 7月 234

我做了一个由距离、月份以及月份和距离之间的交互作用来解释二氧化碳的clmm模型，结果显示月份和距离都有显著性，但没有交互作用。

model_CO2 = clmm(CO2.f ~ month + distance + month:distance + (1|nest),
             data = field_data,
             threshold = "equidistant")

结果显示，月份和距离都是显著的，但没有交互作用。 现在，我想用这些信息做一个Tukey检验，所以我的想法是对每个因素分别做一个Tukey检验。

我的问题是：我是否需要再做一个模型？

我必须做另一个模型，其中我分开每个因素？或者我可以用我创建的模型进行Tukey检验，但只考虑一个因素？

例子：我可以用我创建的模型进行Tukey检验，但只考虑一个因子吗？

使用初始模型

library(emmeans)
library(lsmeans)

Tmonth = lsmeans(model_CO2,
        ~ month)
multcomp::cld(Tmonth,
              alpha = 0.05,
              Letters = letters,
              adjust = "tukey")

创建一个新的模型，只考虑月份，然后进行Tukey检验。

model_CO2m = clmm(CO2.f ~ month + (1|nest),
                 data = field_data,
                 threshold = "equidistant")
Tmonth = lsmeans(model_CO2m,
        ~ month)
multcomp::cld(Tmonth,
              alpha = 0.05,
              Letters = letters,
              adjust = "tukey")

先谢谢你

Answer 1

我想有人会建议你这样做。但不，你不需要 有 到，因为你所比较的估计边际均值是很明确的；交互作用效应只是平均值。

但我建议你绘制各因素组合的估计值--使用 emmip() 例如--这样你就能清楚地了解被平均的估计是什么。

注

我刚刚在问题中注意到，你把模型中的一个因素完全剔除了。我绝对建议 与...对抗 这样做。每个因素都贡献了一个显著的主效应，所以它们都属于模型。如果你要在这里考虑一个缩小的模型，只考虑有两个主效应但没有交互作用的模型。