multcompare
多重比较检验
语法
描述
例子
多组比较的意思
加载carsmall数据集。
负载carsmall
数据包含英里每加仑(英里/加仑)测量不同品牌和型号的汽车,分组由原产国(起源)和其他车辆的特征。
执行单向方差分析(方差分析),看看MPG的汽车是不同的值根据原产国。
[p t统计]= anova1 (MPG,起源);
小p值(值的列概率F >)表明,组差异显著。然而,方差分析结果并不表明哪些组有不同的意思。您可以执行两两比较使用多重比较的测试来确定组织明显不同的意思。
执行多重比较测试组的意思。
[c m h, gnames] = multcompare(统计);
multcompare显示了区间估计与比较。您可以单击图的比较其均值的其他国家。
显示的平均估计,标准错误,和表中相应的组名。
台= array2table (m,“RowNames”gnames,…“VariableNames”,(“的意思是”,“标准错误”])
台=6×2表意思是美国标准错误……* * *法国德国日本21.133 - 0.88141 31.8 - 1.8206 28.444 - 2.3504 23.667 7.0513 4.0711 22.5 - 4.986瑞典意大利28
多个对对照组比较
执行多重比较检验与对照组使用Dunnett的测试,并比较结果的两两比较结果图基是诚实的显著差异的过程。
加载carsmall数据集。
负载carsmall
数据包含英里每加仑(英里/加仑)测量不同品牌和型号的汽车,分组由原产国(起源)和其他车辆的特征。
执行一个单向方差分析比较汽车的里程组定义的原籍国。
[~,~,统计]= anova1 (MPG,起源,“关闭”);
显示组的名称。
stats.gnames
ans =6 x1细胞{'美国'}{‘日本’}{“德国”}{“法国”}{“瑞典”}{“意大利”}
根据多重比较结果中所有不同的组的多组比较的意思例子中,美国和日本有显著不同的意思。示例使用默认的测试,图基是诚实的显著差异的过程。
比较组意味着对对照组使用Dunnett的测试。
指定CriticalValueType为“dunnett”执行Dunnett的测试。multcompare选择第一组(美国)默认为对照组。你可以选择一个不同的对照组使用ControlGroup名称-值参数。
[结果,~,~,gnames] = multcompare(统计,“CriticalValueType”,“dunnett”);
在图中,蓝色的圆圈表示的意思是对照组。红圈和酒吧代表团体的手段和置信区间明显不同意味着从对照组的意思。注意红酒吧不越过垂直虚线代表的意思是对照组。组没有显著不同的方式出现在灰色的。
Dunnett两组的测试标识,日本和德国,都意味着明显不同于美国的均值(对照组)。注意,默认的过程(图基的诚实的显著差异过程)不确定德国多组比较的意思的例子。结果的差异与不同级别的守恒性的两个对比测试。Dunnett比默认程序的测试不太保守,因为测试只考虑与对照组比较。默认的程序执行对所有不同的组的两两比较。
显示多重比较结果和表中相应的组名。
台= array2table(结果,“VariableNames”,…(“集团”,“对照组”,“下限”,“差异”,“上限”,“假定值”]);资源描述。“集团”)= gnames(资源描述。“集团”));资源描述。“对照组”)= gnames(资源描述。“对照组”))
台=5×6表组对照组上限下限差异假定值___________ _________________ ___________ __________ ___________ _____{‘日本’}{‘美国’}5.3649 10.667 15.969 4.727 e-06{“德国”}{‘美国’}0.73151 7.3116 13.892 0.022346{“法国”}{‘美国’}-8.3848 2.5339 13.453 0.97912{“瑞典”}{‘美国’}-11.905 1.3672 14.64 0.99953{“意大利”}{‘美国’}-11.76 6.8672 25.495 0.86579
多个比较双向方差分析
加载示例数据。
负载爆米花爆米花
爆米花=6×35.5000 4.5000 3.5000 5.5000 4.5000 4.0000 6.0000 4.0000 3.0000 6.5000 5.0000 4.0000 7.0000 5.5000 5.0000 7.0000 5.0000 4.5000
爆米花的数据来自一项研究品牌和波普尔类型(何克1987)。矩阵的列爆米花品牌(美食、国家和通用)。行波普尔类型油和空气。前三行对应于石油波普尔,最后三行对应于空气波普尔。在这项研究中,研究人员出现一批每个品牌每个波普尔的三倍。收益率的值是杯爆米花。
执行一个双向方差分析。还计算统计数据,您需要执行一个多重比较测试的主要影响。
[~,~,统计]= anova2(爆米花,3,“关闭”)
统计=结构体字段:来源:‘anova2 sigmasq: 0.1389 colmeans: [6.2500 - 4.7500 4] coln: 6 rowmeans:[4.5000 - 5.5000]地区:9国米:1 pval: 0.7462 df: 12
的统计数据结构包括
均方误差(
sigmasq)平均收益率的估计为每一个爆米花品牌(
colmeans)观察每个爆米花品牌的数量(
coln)平均收益率的估计为每个波普尔类型(
rowmeans)观察的数量为每个波普尔类型(
地区)交互的数量(
国际米兰)的p值显示交互项显著性水平(
pval)错误的自由度(
df)。
执行多重比较测试,看看爆米花的爆米花收益率之间对不同品牌(列)。
c1 = multcompare(统计);
注意:您的模型包括一个交互项。测试主要影响很难解释当模型包括交互。
图中显示多个比较的意思。默认情况下,组1的意思是比较间隔在蓝色突出显示。因为其他两组的比较间隔不相交的间隔组1的意思是,他们是用红色突出显示。缺乏交叉表明意思都不同组1的意思。选择其他组意味着确认所有组意味着明显不同。
表中显示多重比较结果。
tbl1 = array2table (c1,“VariableNames”,…(“组”,“B组”,“下限”,“a - b”,“上限”,“假定值”])
tbl1 =3×6表A组B组A - B上限下限假定值_________………………_____ 1 2 0.92597 1.5 2.074 4.1188 e-05 1 3 e-07 2 3 0.17597 0.75 1.324 6.1588 1.676 2.25 2.824 0.011591
的前两列c1显示组比较。第四列显示了估计组意味着之间的区别。第三和第五列显示95%置信区间的上下极限的真正意思不同。第六列是p价值的假设检验相应的平均差等于零。所有p值非常小,这表明爆米花收益率在所有三个不同的品牌。
执行多重比较检验的爆米花屈服两种波普尔(行)之间的不同。
c2 = multcompare(统计,“估计”,“行”);
注意:您的模型包括一个交互项。测试主要影响很难解释当模型包括交互。
tbl2 = array2table (c2,“VariableNames”,…(“组”,“B组”,“下限”,“a - b”,“上限”,“假定值”])
tbl2 =1×6表A组B组A - B上限下限假定值_________……___ ___________ _____ 1 2 1 -0.61722 0.00010037 -1.3828
小p值表明,爆米花收益率两波普尔之间的不同类型(空气和油)。该图显示了相同的结果。间隔不相交的比较表明,该集团意味着明显不同。
多为三方方差分析比较
加载示例数据。
y = (52.7 57.5 45.9 44.5 53.0 57.0 45.9 44.0) ';g1 = [1 2 1 2 1 2 1 2];g2 = [“嗨”“嗨”“罗”“罗”“嗨”“嗨”“罗”“罗”];g3 = [“可能”“可能”“可能”“可能”“6月”“6月”“6月”“6月”];
y响应向量和吗g1,g2,g3是分组变量(因素)。每个因素都有两个层次,每一个观察y确定因素的组合的水平。例如,观察y (1)与1级相关联的因素呢g1、水平嗨的因素g2,和水平可能的因素g3。同样,观察y (6)与2级相关联的因素呢g1、水平嗨的因素g2,和水平6月的因素g3。
测试如果响应是相同的所有因素的水平。也计算多重比较测试所需的数据。
[~,~,统计]= anovan (y, {g1 g2 g3},“模型”,“互动”,…“Varnames”,(“g1”,“两国集团”,“g3”]);
的p价值0.2578表明,平均反应水平可能和6月的因素g3没有显著的不同。的p价值0.0347表明,平均反应水平1和2的因素g1是明显不同的。类似地,p价值0.0048表明,平均反应水平嗨和罗的因素g2是明显不同的。
执行多重比较测试,找出哪些因素组g1和g2是明显不同的。
[结果,~,~,gnames] = multcompare(统计,“维度”[1,2]);
您可以测试其他组通过点击相应的比较组间隔。酒吧你点击变成蓝色。组明显不同的酒吧是红色的。组不显著不同的酒吧是灰色的。举个例子,如果你点击比较区间的结合水平1的g1和水平罗的g2组合,比较间隔的水平2的g1和水平罗的g2重叠,因此灰色。相反,另一种比较间隔是红色的,表示差异显著。
显示多重比较结果和表中相应的组名。
台= array2table(结果,“VariableNames”,…(“组”,“B组”,“下限”,“a - b”,“上限”,“假定值”]);资源描述。“组”)= gnames(资源描述。“组”));资源描述。“B组”)= gnames(资源描述。“B组”))
台=6×6表A组B组A - B上限下限是_____________ ___________ _____ ___________ ___________假定值* * *{的g1 = 1, g2 =你好'}{的g1 = 2, g2 =你好'}-6.8604 -4.4 -1.9396 0.027249{的g1 = 1, g2 =你好'}{“g1 = 1, g2 = lo”} 4.4896 6.95 9.4104 0.016983{的g1 = 1, g2 =你好'}{“g1 = 2, g2 = lo”} 6.1396 8.6 11.06 0.013586{的g1 = 2, g2 =你好'}{“g1 = 1, g2 = lo”} 8.8896 11.35 13.81 0.010114{的g1 = 2, g2 =你好'}{“g1 = 2, g2 = lo”} 10.54 13 15.46 - 0.0087375 {“g1 = 1, g2 = lo”} {“g1 = 2, g2 = lo”} -0.8104 1.65 4.1104 0.07375
的multcompare函数比较组的组合(水平)的两个分组变量,g1和g2。例如,矩阵的第一行显示的结合水平1的g1和水平嗨的g2有相同的平均响应值的组合水平2的g1和水平嗨的g2。的p值对应于这个测试0.0272,这表明平均反应明显不同。您还可以在图中看到这个结果。蓝色栏显示了平均响应比较间隔组合的水平1的g1和水平嗨的g2。红条是比较间隔平均响应的另一组的组合。没有一个红条重叠蓝色酒吧,这意味着平均响应组合的水平1的g1和水平嗨的g2明显不同于其他组的平均响应的组合。
输入参数
输出参数
更多关于
引用
业务[1],Y。,一个。C. Tamhane.多重比较过程。新泽西州霍博肯:约翰威利& Sons, 1987。
[2]肯·g·A。,D. E. Johnson.混乱的数据进行的分析,卷我:设计实验。波卡拉顿,FL:查普曼&大厅/ CRC出版社,1992年。
[3]塞尔,s R。,F. M. Speed, and G. A. Milliken. “Population marginal means in the linear model: an alternative to least-squares means.”美国统计学家。1980年,页216 - 221。
