在 R 中配对方差分析的两个因素

Question

我有一些来自两种不同病症（癌症和正常）的菌落计数数据，这些病症使用两种药物联合治疗：A（3 个水平）和 B（2 个水平）。对于菌落，我有不同的类型+总数，但我可以在不同的测试中查看不同的类型。

df <- data.frame( Patient = rep( 1:6, 6), Disease = rep( c( "cancer", "normal"), 18), DrugA = c( rep( 0, 12), rep( 30, 12), rep( 100, 12)), DrugB = rep( c( rep( 0, 6), rep( 2, 6)), 3), n.colonies = sample( 10:300, size = 36) )
head(df)

我的问题是我想比较两种情况（癌症和正常）之间每种治疗（药物 A 和药物 B 的组合）的差异。为此，我做了以下工作：

df$treatment.factor <- paste( df$DrugA, df$DrugB, sep = ".")
library(stats)
a <- aov( formula = n.colonies ~ Disease:treatment.factor, data = df)
summary(a)
TukeyHSD(a)

结果returns 所有可能的组合，包括同一条件下的不同治疗方案。我有什么办法可以将测试组限制为仅针对不同疾病的相同 treatment.factor？我正在考虑只做感兴趣的 t 检验并纠正多重比较，但它对我来说似乎并不完全正确。我也在考虑对每个条件（根据 DrugB 分开）进行回归，但只有 3 个点（DrugA 的三种浓度）也无济于事。

有什么建议吗？谢谢！

爱德华多

Answer 1

我不太清楚。也许你想要：

library(lsmeans)
lsmeans(a, pairwise ~ Disease:treatment.factor | treatment.factor)

$contrasts
treatment.factor = 0.0:
 contrast           estimate       SE df t.ratio p.value
 cancer - normal -101.333333 74.31826 24  -1.364  0.1854

treatment.factor = 0.2:
 contrast           estimate       SE df t.ratio p.value
 cancer - normal  -92.333333 74.31826 24  -1.242  0.2261

treatment.factor = 100.0:
 contrast           estimate       SE df t.ratio p.value
 cancer - normal   50.666667 74.31826 24   0.682  0.5019

treatment.factor = 100.2:
 contrast           estimate       SE df t.ratio p.value
 cancer - normal    1.666667 74.31826 24   0.022  0.9823

treatment.factor = 30.0:
 contrast           estimate       SE df t.ratio p.value
 cancer - normal    9.000000 74.31826 24   0.121  0.9046

treatment.factor = 30.2:
 contrast           estimate       SE df t.ratio p.value
 cancer - normal   79.333333 74.31826 24   1.067  0.2964

在 R 中配对方差分析的两个因素

Pair two factors for ANOVA in R

r

linear-regression

anova