WRS2 包 - 稳健的 2 向方差分析
WRS2 package - robust 2-way ANOVA
我是 R 初学者,我正在尝试 运行 使用 WRS2 进行稳健的 RM 方差分析。
我已经开始使用 IV(条件和 GVS)格式化数据,分别作为具有 3 级和 2 级的因素(见下文),但我不确定我是否正确地格式化了 ID 列(它是多个每个主题的行数)。我的数据框中的 PD 列是 DV(数字)。
Participant<-factor(TerryRHWB$Participant, levels = c(1:36)) #is this the right way to classify subjects?
GVS<-factor(TerryRHWB$GVS, levels=c(1, 2, 3), labels=c("Sham", "LGVS", "RGVS")) #factorial variable with n levels
Condition<-factor(TerryRHWB$Condition, levels=c(1, 2), labels=c("RH", "WB"))
PD<-c(TerryRHWB$PD)
as.data.frame(TerryRHWB)`
格式化数据后(希望不要太错误),我加载库并输入函数:
library(WRS2)
#2-way anova with interactions + post-hocs
t2way(formula=PD ~ Condition * GVS, data=TerryRHWB, tr = 0.2)
mcp2atm(formula=PD ~ Condition * GVS, data=TerryRHWB, tr = 0.2)`
我得到的是这个错误:
t2way(formula=PD ~ Condition * GVS, data=TerryRHWB, tr = 0.2)
Error in x[[grp[i]]] : attempt to select less than one element in get1index
mcp2atm(formula=PD ~ Condition * GVS, data=TerryRHWB, tr = 0.2)
Error in x[[j]] : attempt to select less than one element in integerOneIndex
这可能是我在格式化数据框时忽略的事情,但我无法通过网上冲浪找到解决方案 - 任何关于错误含义的输入都将非常感激。
这里,我使用的数据:
Participant Condition GVS PD
1 1 1 1 -0.3
2 1 2 1 0.9
3 1 1 2 8.5
4 1 2 2 -1.7
5 1 1 3 0.4
6 1 2 3 -1.2
7 2 1 1 2.1
8 2 2 1 -1.1
9 2 1 2 0.8
10 2 2 2 -0.2
11 2 1 3 1.6
12 2 2 3 1.7
13 3 1 1 -0.3
14 3 2 1 0.9
15 3 1 2 -0.9
16 3 2 2 1.6
17 3 1 3 -2.6
18 3 2 3 0.2
19 4 1 1 -3.1
20 4 2 1 4.7
21 4 1 2 -1.7
22 4 2 2 1.8
23 4 1 3 -0.7
24 4 2 3 -0.5
25 5 1 1 2.2
26 5 2 1 3.4
27 5 1 2 3.0
28 5 2 2 -3.6
29 5 1 3 1.8
30 5 2 3 -5.9
31 6 1 1 0.0
32 6 2 1 2.8
33 6 1 2 4.0
34 6 2 2 -0.3
35 6 1 3 -0.1
36 6 2 3 -0.1
37 7 1 1 -0.9
38 7 2 1 0.1
39 7 1 2 0.0
40 7 2 2 0.4
41 7 1 3 -0.9
42 7 2 3 0.1
43 8 1 1 1.1
44 8 2 1 -0.6
45 8 1 2 -0.2
46 8 2 2 -1.7
47 8 1 3 1.7
48 8 2 3 -3.4
49 9 1 1 0.7
50 9 2 1 3.3
51 9 1 2 -3.6
52 9 2 2 3.0
53 9 1 3 -2.3
54 9 2 3 -0.3
55 10 1 1 3.0
56 10 2 1 0.2
57 10 1 2 -2.6
58 10 2 2 0.8
59 10 1 3 -1.0
60 10 2 3 -1.7
61 11 1 1 0.6
62 11 2 1 1.1
63 11 1 2 -0.6
64 11 2 2 0.0
65 11 1 3 1.9
66 11 2 3 -0.8
67 12 1 1 1.3
68 12 2 1 -0.5
69 12 1 2 -0.4
70 12 2 2 0.9
71 12 1 3 1.3
72 12 2 3 -2.7
73 13 1 1 0.2
74 13 2 1 2.0
75 13 1 2 -2.1
76 13 2 2 1.8
77 13 1 3 -1.2
78 13 2 3 0.7
79 14 1 1 -0.4
80 14 2 1 -0.8
81 14 1 2 -0.3
82 14 2 2 -2.5
83 14 1 3 2.1
84 14 2 3 4.3
85 15 1 1 -1.1
86 15 2 1 -0.8
87 15 1 2 -1.1
88 15 2 2 -0.8
89 15 1 3 0.0
90 15 2 3 -2.2
91 16 1 1 1.7
92 16 2 1 1.1
93 16 1 2 1.4
94 16 2 2 0.0
95 16 1 3 1.2
96 16 2 3 -0.7
97 17 1 1 1.1
98 17 2 1 1.3
99 17 1 2 -0.1
100 17 2 2 -3.0
101 17 1 3 2.9
102 17 2 3 2.2
103 18 1 1 -1.0
104 18 2 1 0.4
105 18 1 2 1.0
106 18 2 2 0.6
107 18 1 3 -1.9
108 18 2 3 1.2
109 19 1 1 0.0
110 19 2 1 -0.8
111 19 1 2 -0.5
112 19 2 2 3.3
113 19 1 3 0.7
114 19 2 3 -0.7
115 20 1 1 -0.5
116 20 2 1 -1.0
117 20 1 2 0.8
118 20 2 2 -0.3
119 20 1 3 -1.1
120 20 2 3 0.8
121 21 1 1 -0.2
122 21 2 1 0.0
123 21 1 2 1.5
124 21 2 2 9.4
125 21 1 3 2.1
126 21 2 3 1.0
127 22 1 1 1.3
128 22 2 1 -0.1
129 22 1 2 1.3
130 22 2 2 -0.3
131 22 1 3 -1.4
132 22 2 3 -0.5
133 23 1 1 -0.8
134 23 2 1 -3.4
135 23 1 2 -1.0
136 23 2 2 -1.9
137 23 1 3 0.5
138 23 2 3 0.3
139 24 1 1 1.0
140 24 2 1 0.6
141 24 1 2 0.5
142 24 2 2 0.5
143 24 1 3 -0.9
144 24 2 3 -1.2
145 25 1 1 -2.6
146 25 2 1 -0.9
147 25 1 2 -3.1
148 25 2 2 3.3
149 25 1 3 -0.8
150 25 2 3 0.7
151 26 1 1 10.4
152 26 2 1 2.9
153 26 1 2 6.2
154 26 2 2 5.0
155 26 1 3 4.9
156 26 2 3 1.7
157 27 1 1 0.1
158 27 2 1 -0.2
159 27 1 2 -1.9
160 27 2 2 0.2
161 27 1 3 1.8
162 27 2 3 1.3
163 28 1 1 -0.5
164 28 2 1 0.3
165 28 1 2 -0.3
166 28 2 2 -2.4
167 28 1 3 -4.1
168 28 2 3 -0.6
169 29 1 1 -0.2
170 29 2 1 0.2
171 29 1 2 -0.1
172 29 2 2 -0.7
173 29 1 3 1.4
174 29 2 3 0.0
175 30 1 1 -2.1
176 30 2 1 0.2
177 30 1 2 0.1
178 30 2 2 0.9
179 30 1 3 0.2
180 30 2 3 3.6
181 31 1 1 -2.3
182 31 2 1 -0.2
183 31 1 2 -1.0
184 31 2 2 -2.3
185 31 1 3 1.6
186 31 2 3 0.2
187 32 1 1 1.3
188 32 2 1 2.9
189 32 1 2 0.2
190 32 2 2 2.0
191 32 1 3 0.1
192 32 2 3 0.4
193 33 1 1 2.3
194 33 2 1 3.3
195 33 1 2 1.1
196 33 2 2 -0.8
197 33 1 3 0.0
198 33 2 3 3.0
199 34 1 1 -0.2
200 34 2 1 0.0
201 34 1 2 1.0
202 34 2 2 2.4
203 34 1 3 -0.6
204 34 2 3 0.0
205 35 1 1 -0.8
206 35 2 1 -1.5
207 35 1 2 -0.9
208 35 2 2 -0.1
209 35 1 3 0.5
210 35 2 3 -0.7
211 36 1 1 -1.3
212 36 2 1 2.7
213 36 1 2 -0.3
214 36 2 2 -1.8
215 36 1 3 -1.7
216 36 2 3 -0.3
感谢任何愿意花时间帮助新手的人!
我也是新手,刚遇到和你一样的问题。
我发现通过对数据进行分组然后确保 IV 是因子,t2way 有效。
尝试:
TerryRHWB <- TerryRHWB %>% group_by(Condition, GVS) # Group the data
TerryRHWB$Condition <- factor(TerryRHWB$Condition) # convert to factor
TerryRHWB$GVS <- factor(TerryRHWB$GVS) # convert to factor
祝你好运!
我是 R 初学者,我正在尝试 运行 使用 WRS2 进行稳健的 RM 方差分析。
我已经开始使用 IV(条件和 GVS)格式化数据,分别作为具有 3 级和 2 级的因素(见下文),但我不确定我是否正确地格式化了 ID 列(它是多个每个主题的行数)。我的数据框中的 PD 列是 DV(数字)。
Participant<-factor(TerryRHWB$Participant, levels = c(1:36)) #is this the right way to classify subjects?
GVS<-factor(TerryRHWB$GVS, levels=c(1, 2, 3), labels=c("Sham", "LGVS", "RGVS")) #factorial variable with n levels
Condition<-factor(TerryRHWB$Condition, levels=c(1, 2), labels=c("RH", "WB"))
PD<-c(TerryRHWB$PD)
as.data.frame(TerryRHWB)`
格式化数据后(希望不要太错误),我加载库并输入函数:
library(WRS2)
#2-way anova with interactions + post-hocs
t2way(formula=PD ~ Condition * GVS, data=TerryRHWB, tr = 0.2)
mcp2atm(formula=PD ~ Condition * GVS, data=TerryRHWB, tr = 0.2)`
我得到的是这个错误:
t2way(formula=PD ~ Condition * GVS, data=TerryRHWB, tr = 0.2)
Error in x[[grp[i]]] : attempt to select less than one element in get1index
mcp2atm(formula=PD ~ Condition * GVS, data=TerryRHWB, tr = 0.2)
Error in x[[j]] : attempt to select less than one element in integerOneIndex
这可能是我在格式化数据框时忽略的事情,但我无法通过网上冲浪找到解决方案 - 任何关于错误含义的输入都将非常感激。
这里,我使用的数据:
Participant Condition GVS PD
1 1 1 1 -0.3
2 1 2 1 0.9
3 1 1 2 8.5
4 1 2 2 -1.7
5 1 1 3 0.4
6 1 2 3 -1.2
7 2 1 1 2.1
8 2 2 1 -1.1
9 2 1 2 0.8
10 2 2 2 -0.2
11 2 1 3 1.6
12 2 2 3 1.7
13 3 1 1 -0.3
14 3 2 1 0.9
15 3 1 2 -0.9
16 3 2 2 1.6
17 3 1 3 -2.6
18 3 2 3 0.2
19 4 1 1 -3.1
20 4 2 1 4.7
21 4 1 2 -1.7
22 4 2 2 1.8
23 4 1 3 -0.7
24 4 2 3 -0.5
25 5 1 1 2.2
26 5 2 1 3.4
27 5 1 2 3.0
28 5 2 2 -3.6
29 5 1 3 1.8
30 5 2 3 -5.9
31 6 1 1 0.0
32 6 2 1 2.8
33 6 1 2 4.0
34 6 2 2 -0.3
35 6 1 3 -0.1
36 6 2 3 -0.1
37 7 1 1 -0.9
38 7 2 1 0.1
39 7 1 2 0.0
40 7 2 2 0.4
41 7 1 3 -0.9
42 7 2 3 0.1
43 8 1 1 1.1
44 8 2 1 -0.6
45 8 1 2 -0.2
46 8 2 2 -1.7
47 8 1 3 1.7
48 8 2 3 -3.4
49 9 1 1 0.7
50 9 2 1 3.3
51 9 1 2 -3.6
52 9 2 2 3.0
53 9 1 3 -2.3
54 9 2 3 -0.3
55 10 1 1 3.0
56 10 2 1 0.2
57 10 1 2 -2.6
58 10 2 2 0.8
59 10 1 3 -1.0
60 10 2 3 -1.7
61 11 1 1 0.6
62 11 2 1 1.1
63 11 1 2 -0.6
64 11 2 2 0.0
65 11 1 3 1.9
66 11 2 3 -0.8
67 12 1 1 1.3
68 12 2 1 -0.5
69 12 1 2 -0.4
70 12 2 2 0.9
71 12 1 3 1.3
72 12 2 3 -2.7
73 13 1 1 0.2
74 13 2 1 2.0
75 13 1 2 -2.1
76 13 2 2 1.8
77 13 1 3 -1.2
78 13 2 3 0.7
79 14 1 1 -0.4
80 14 2 1 -0.8
81 14 1 2 -0.3
82 14 2 2 -2.5
83 14 1 3 2.1
84 14 2 3 4.3
85 15 1 1 -1.1
86 15 2 1 -0.8
87 15 1 2 -1.1
88 15 2 2 -0.8
89 15 1 3 0.0
90 15 2 3 -2.2
91 16 1 1 1.7
92 16 2 1 1.1
93 16 1 2 1.4
94 16 2 2 0.0
95 16 1 3 1.2
96 16 2 3 -0.7
97 17 1 1 1.1
98 17 2 1 1.3
99 17 1 2 -0.1
100 17 2 2 -3.0
101 17 1 3 2.9
102 17 2 3 2.2
103 18 1 1 -1.0
104 18 2 1 0.4
105 18 1 2 1.0
106 18 2 2 0.6
107 18 1 3 -1.9
108 18 2 3 1.2
109 19 1 1 0.0
110 19 2 1 -0.8
111 19 1 2 -0.5
112 19 2 2 3.3
113 19 1 3 0.7
114 19 2 3 -0.7
115 20 1 1 -0.5
116 20 2 1 -1.0
117 20 1 2 0.8
118 20 2 2 -0.3
119 20 1 3 -1.1
120 20 2 3 0.8
121 21 1 1 -0.2
122 21 2 1 0.0
123 21 1 2 1.5
124 21 2 2 9.4
125 21 1 3 2.1
126 21 2 3 1.0
127 22 1 1 1.3
128 22 2 1 -0.1
129 22 1 2 1.3
130 22 2 2 -0.3
131 22 1 3 -1.4
132 22 2 3 -0.5
133 23 1 1 -0.8
134 23 2 1 -3.4
135 23 1 2 -1.0
136 23 2 2 -1.9
137 23 1 3 0.5
138 23 2 3 0.3
139 24 1 1 1.0
140 24 2 1 0.6
141 24 1 2 0.5
142 24 2 2 0.5
143 24 1 3 -0.9
144 24 2 3 -1.2
145 25 1 1 -2.6
146 25 2 1 -0.9
147 25 1 2 -3.1
148 25 2 2 3.3
149 25 1 3 -0.8
150 25 2 3 0.7
151 26 1 1 10.4
152 26 2 1 2.9
153 26 1 2 6.2
154 26 2 2 5.0
155 26 1 3 4.9
156 26 2 3 1.7
157 27 1 1 0.1
158 27 2 1 -0.2
159 27 1 2 -1.9
160 27 2 2 0.2
161 27 1 3 1.8
162 27 2 3 1.3
163 28 1 1 -0.5
164 28 2 1 0.3
165 28 1 2 -0.3
166 28 2 2 -2.4
167 28 1 3 -4.1
168 28 2 3 -0.6
169 29 1 1 -0.2
170 29 2 1 0.2
171 29 1 2 -0.1
172 29 2 2 -0.7
173 29 1 3 1.4
174 29 2 3 0.0
175 30 1 1 -2.1
176 30 2 1 0.2
177 30 1 2 0.1
178 30 2 2 0.9
179 30 1 3 0.2
180 30 2 3 3.6
181 31 1 1 -2.3
182 31 2 1 -0.2
183 31 1 2 -1.0
184 31 2 2 -2.3
185 31 1 3 1.6
186 31 2 3 0.2
187 32 1 1 1.3
188 32 2 1 2.9
189 32 1 2 0.2
190 32 2 2 2.0
191 32 1 3 0.1
192 32 2 3 0.4
193 33 1 1 2.3
194 33 2 1 3.3
195 33 1 2 1.1
196 33 2 2 -0.8
197 33 1 3 0.0
198 33 2 3 3.0
199 34 1 1 -0.2
200 34 2 1 0.0
201 34 1 2 1.0
202 34 2 2 2.4
203 34 1 3 -0.6
204 34 2 3 0.0
205 35 1 1 -0.8
206 35 2 1 -1.5
207 35 1 2 -0.9
208 35 2 2 -0.1
209 35 1 3 0.5
210 35 2 3 -0.7
211 36 1 1 -1.3
212 36 2 1 2.7
213 36 1 2 -0.3
214 36 2 2 -1.8
215 36 1 3 -1.7
216 36 2 3 -0.3
感谢任何愿意花时间帮助新手的人!
我也是新手,刚遇到和你一样的问题。 我发现通过对数据进行分组然后确保 IV 是因子,t2way 有效。
尝试:
TerryRHWB <- TerryRHWB %>% group_by(Condition, GVS) # Group the data
TerryRHWB$Condition <- factor(TerryRHWB$Condition) # convert to factor
TerryRHWB$GVS <- factor(TerryRHWB$GVS) # convert to factor
祝你好运!