comp_gm

Autor/a

Guillermo Correa-Londoño

Descripción

Realiza comparaciones contra la media general de los tratamientos, generando máximo tres grupos: tratamientos significativamente mayores, significativamente menores y los que no difieren de la media.

Uso

comp_gm(anova, tto = NULL, alpha = 0.05)

Argumentos

anova Análisis de varianza
tto Tratamientos
alpha Nivel de significancia (def. 0.05)

Detalles

El objeto anova debe ser de la clase aov o lm. Toda la información relevante sobre el modelo ajustado se extrae de este objeto.

En los modelos de análisis de varianza de una vía en DCA, es decir, aquellos en los que el único término de la parte derecha del modelo es el correspondiente a los tratamientos, no es necesario especificar el argumento tto. Sin embargo, en modelos que incluyan varios efectos, sean fijos o aleatorios (esquemas de aleatorización diferentes del DCA o estructuras factoriales de los tratamientos), sí es necesario indicar cuál es el factor de clasificación cuyas medias se han de comparar.

El argumento alpha, cuyo valor por defecto es 0.05 define el nivel de significancia con base en el cual se estructuran los grupos.

Inicialmente se realiza una comparación contra la media general, usando la función glht{multcomp} y se presenta el correspondiente resumen.

Seguidamente, se presenta una tabla resumen, con las medias de los tratamientos organizadas descendentemente y una de las siguientes etiquetas:

  • mayor: Si la media del tratamiento es significativamente mayor que la media general.
  • menor: Si la media del tratamiento es significativamente menor que la media general.
  • ns: Si la media del tratamiento no difiere significativamente de la media general.

Ejemplos

Ejemplo 1. DCA unifactorial

source("comp_gm.R")
data <- readxl::read_excel("ejemplos.xlsx")
data$tto <- factor(data$tto)
anova <- aov(pH ~ tto, data = data)
comp_gm(anova)

     Simultaneous Tests for General Linear Hypotheses

Multiple Comparisons of Means: GrandMean Contrasts


Fit: aov(formula = pH ~ tto, data = data)

Linear Hypotheses:
                       Estimate Std. Error t value Pr(>|t|)    
A - Media general == 0  0.35000    0.07906   4.427  0.00747 ** 
B - Media general == 0 -0.55000    0.07906  -6.957  < 0.001 ***
C - Media general == 0  0.05000    0.07906   0.632  0.90397    
D - Media general == 0  0.15000    0.07906   1.897  0.26526    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Adjusted p values reported -- single-step method)


Comparaciones contra la media general (3.75)

    Media   Diferencia   Grupo
A     4.1         0.35   mayor
D     3.9         0.15      ns
C     3.8         0.05      ns
B     3.2        -0.55   menor
--- 
Los grupos se estructuran con un nivel de significancia de 0.05

Ejemplo 2. DBA unifactorial

source("comp_gm.R")
data <- readxl::read_excel("ejemplos.xlsx", sheet = 2)
data$Tto <- factor(data$Tto)
data$Bloque <- factor(data$Bloque)
anova <- aov(Severidad ~ Bloque + Tto, data = data)
comp_gm(anova, tto = "Tto")

     Simultaneous Tests for General Linear Hypotheses

Multiple Comparisons of Means: GrandMean Contrasts


Fit: aov(formula = Severidad ~ Bloque + Tto, data = data)

Linear Hypotheses:
                       Estimate Std. Error t value Pr(>|t|)   
A - Media general == 0   0.7341    14.7779   0.050  1.00000   
B - Media general == 0   2.0407    14.7779   0.138  1.00000   
C - Media general == 0   5.8844    14.7779   0.398  1.00000   
D - Media general == 0   1.5806    14.7779   0.107  1.00000   
E - Media general == 0  -5.1623    14.7779  -0.349  1.00000   
F - Media general == 0  -9.2906    14.7779  -0.629  1.00000   
G - Media general == 0  22.5302    14.7779   1.525  0.93479   
H - Media general == 0 -49.0172    14.7779  -3.317  0.03417 * 
I - Media general == 0 -17.9321    14.7779  -1.213  0.99314   
J - Media general == 0  25.9659    14.7779   1.757  0.81800   
K - Media general == 0 -31.7325    14.7779  -2.147  0.51836   
L - Media general == 0 -12.8140    14.7779  -0.867  0.99992   
M - Media general == 0   3.0851    14.7779   0.209  1.00000   
N - Media general == 0  -1.9447    14.7779  -0.132  1.00000   
O - Media general == 0   4.7239    21.4090   0.221  1.00000   
P - Media general == 0  -7.7045    14.7779  -0.521  1.00000   
Q - Media general == 0  14.6648    14.7779   0.992  0.99946   
R - Media general == 0 -20.8834    14.7779  -1.413  0.96660   
S - Media general == 0  -4.7665    14.7779  -0.323  1.00000   
T - Media general == 0   0.4344    21.4090   0.020  1.00000   
U - Media general == 0  79.2331    21.4090   3.701  0.01077 * 
V - Media general == 0  85.1331    21.4090   3.977  0.00443 **
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Adjusted p values reported -- single-step method)


Comparaciones contra la media general (51.51)

         Media    Diferencia   Grupo
V   133.600000    85.1331333   mayor
U   127.700000    79.2331333   mayor
J    77.819048    25.9658754      ns
G    74.383325    22.5301531      ns
Q    66.517949    14.6647762      ns
C    57.737523     5.8843506      ns
O    53.190721     4.7238543      ns
M    54.938291     3.0851182      ns
B    53.893901     2.0407284      ns
D    53.433785     1.5806127      ns
A    52.587266     0.7340937      ns
T    48.901238     0.4343715      ns
N    49.908430    -1.9447423      ns
S    47.086625    -4.7665470      ns
E    46.690838    -5.1623348      ns
P    44.148635    -7.7045370      ns
F    42.562580    -9.2905920      ns
L    39.039191   -12.8139814      ns
I    33.921098   -17.9320741      ns
R    30.969732   -20.8834408      ns
K    20.120634   -31.7325378      ns
H     2.836005   -49.0171675   menor
--- 
Los grupos se estructuran con un nivel de significancia de 0.05