Tukey HSD検定をRで行う方法の解説。
Tukey HSD検定をRで行う方法
aov()とTukeyHSD()という二つの関数を使う。
ダネット検定のときと同じように、例としてwarpbreaksというデータを使う。
ダネット検定は以下を参照。
機織りにおいて、tension（緊張、張り、テンション）の違いによって、warpbreaksがいくつ起きるかというデータを分析する。
ちなみにWarpは縦糸。横糸はWeftという。
手順としては、まず、一元配置分散分析 ANOVAを行う。
次に、ANOVAのオブジェクトを使ってTukey HSD検定を行う。
この流れになる。
amodがANOVAのオブジェクトだ。
今回はtensionの三種類を総当たりで比較する。
boxplot(breaks ~ tension, data = warpbreaks) amod <- aov(breaks ~ tension, data = warpbreaks) TukeyHSD(amod)
tension（緊張、張り）はL（Low）、M（Middle）、H（High）の三種類。
箱ひげ図にしてみると、Lが多くて、M、Hへtensionが高くなると数が減る傾向がある。
Tukey HSD検定の結果は、MもHもLに比べて統計学的有意で、breaksの数はどちらもLに比べて少ない。
HとMの間には統計学的に有意な差はない。
MはLに比べて平均10個少ない。
HはLに比べて平均約15個少ない。
HとMは違いがない。
warpbreaksを予防するなら、Lはやめておいたほうがよい。
HとMはどちらでもよい。
信頼区間の結果も一緒に表示されている。
M-L間とH-L間は、95%信頼区間の上限がマイナスであるのに対し、H-M間は、上限がプラス。
つまりゼロ＝差がないことが否定できないわけで、信頼区間と検定の結果が矛盾していないことが確認できる。
> TukeyHSD(amod) Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = breaks ~ tension, data = warpbreaks) $`tension` diff lwr upr p adj M-L -10.000000 -19.55982 -0.4401756 0.0384598 H-L -14.722222 -24.28205 -5.1623978 0.0014315 H-M -4.722222 -14.28205 4.8376022 0.4630831
まとめ
Tukey HSD検定は、Rのaov()とTukeyHSD()の二つの関数を使えば、簡単にできる。
EZRで多重比較【動画】
EZRの方法は動画で解説している。
よければ。
