从 Dunnett 检验中提取 P 值到 Table 变量

Question

我有一个包含 25 列的列表，我正在通过 Dunnett 测试按组（4 个级别）对其进行测试。我能够使用 sapply 函数让 Dunnett 按组处理所有列，但在将 p 值拉入 table 时遇到了一些问题。下面是我尝试使用 iris 数据集执行的操作的示例。

iris <- iris

iris$group <- ifelse(iris$Species =='setosa', 1,
               ifelse(iris$Species =='versicolor', 2,
               ifelse(iris$Species =='virginica', 3,
               0)))

iris$group <- as.factor(iris$group)
summary(glht(aov(Sepal.Length ~ group, iris), linfct=mcp(group="Dunnett" )))
test

iris$Species

dunnet_model_iris <- sapply(iris[-c(5,6)], function(y, f) summary(glht(aov(y ~ f, iris), linfct=mcp(f="Dunnett"))), f = iris$Species)

names(dunnet_model_iris[[10]]$pvalues)

p_value <- dunnet_model[[10]]$pvalues
p_value

我可以通过 dunnet_model[[10]]$pvalues 获取每列的 p 值（每列相隔 10 行（例如：第二列将是 dunnet_model[[20]]$pvalues）。总的来说，我的数据集有 25 列，所以我会从 10-250 中提取。我想创建一个 table 像这样：

                2-1       3-1
Sepal.Length  1.44E-15  2.22E-16
Sepal.Width   1.44E-15  2.22E-16
Petal.Length  1.44E-15  2.22E-16

问题：如何将每列的所有 Dunnett 比较 P 值提取到单个 table？

我在寻找答案时遇到了一些问题。如果有人有一些建议，我们将不胜感激。我不期待任何代码，只是一些想法可以帮助阐明我的情况。

Answer 1

我们需要在 list 和 lapply

中保留模型后提取 test$pvalues

library(multcomp)
dunnet_model_iris <- lapply(iris[-c(5,6)], function(y, f) 
      summary(glht(aov(y ~ f, iris), linfct=mcp(f="Dunnett"))), f = iris$Species)
t(sapply(dunnet_model_iris, function(x) x$test$pvalues))
#                      [,1]         [,2]
#Sepal.Length  1.443290e-15 2.220446e-16
#Sepal.Width   5.551115e-16 9.074667e-10
#Petal.Length  1.110223e-16 2.220446e-16
#Petal.Width  -2.220446e-16 1.110223e-16

或者使用 OP 的方法创建 'dunnet_model_iris'

t(sapply(dunnet_model_iris["test",], `[[`, "pvalues"))

从 Dunnett 检验中提取 P 值到 Table 变量

Extract P-Values from Dunnett Test into a Table by Variable

r

extract

extraction