dunnett_tam
Descripción
Realiza comparaciones contra un control, mediante el procedimiento secuencial ascendente (step-up) de Dunnett-Tamhane.
Uso
dunnett_tam(anova)
Argumentos
anova |
Objeto de la clase aov o lm que contiene el modelo de ANOVA ajustado |
Detalles
El objeto anova debe ser de las clases aov o lm y debe contener la información de un ANOVA ajustado de tal manera que el primer nivel del factor de tratamientos corresponda al grupo control.
Las comparaciones se realizan mediante el procedimiento secuencial ascendente (step-up) propuesto por Dunnett y Tamhane (1992).
Los detalles teóricos se presentan en Métodos Estadísticos para la Investigación.
La función dunnett_tam asume que el grupo control corresponde al primer nivel del factor. Si esto no se cumple, los resultados no serán correctos.
Ejemplos
Ejemplo 1. Comparaciones contra el grupo \(\text{C}\)
Las cuatro primeras líneas constituyen los preliminares para la realización de la prueba.
La línea 1 importa la base de datos desde un archivo Excel.
La línea 2 define la clase factor sobre los tratamientos.
La línea 3 establece el nivel de referencia. La función glht{multcomp}, que establece el marco inicial, realiza las comparaciones contra el primer nivel del factor. Si el grupo control no estuviera definido por defecto como primer nivel del factor, sería necesario realizar la correspondiente redefinición (cf. R paso a paso).
La línea 4 ajusta un ANOVA —utilizando el factor redefinido—. Esta es la razón por la que en el presente ejemplo se le denomina anova.d al objeto resultante (ANOVA para la prueba de Dunnett). El ordenamiento interno del factor difiere del que se tendría en un ANOVA ajustado para un propósito más general.
La línea 5 carga la función personalizada dunnett_tam.
La línea 6 invoca la función dunnett_tam, usando como argumento el objeto generado en la línea 4.
A continuación se muestran los resultados.
Simultaneous Tests for General Linear Hypotheses
Multiple Comparisons of Means: Dunnett Contrasts
Fit: aov(formula = pH ~ tto, data = data)
Linear Hypotheses:
Estimate Std. Error t value Pr(>|t|)
A - C == 0 0.3000 0.1291 2.324 0.08485 .
B - C == 0 -0.6000 0.1291 -4.648 0.00401 **
D - C == 0 0.1000 0.1291 0.775 0.46086
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Adjusted p values reported -- Dunnett-Tamhane step-up method)La mayor potencia del procedimiento step-up se evidencia al contrastar estos resultados con los obtenidos mediante la prueba clásica de un solo paso (single-step) de Dunnett:
data <- readxl::read_excel("ejemplo.xlsx")
data$tto <- factor(data$tto)
data$tto <- relevel(data$tto, "C")
anova.d <- aov(pH ~ tto, data = data)
summary(glht(anova.d, linfct = mcp(tto = "Dunnett")))
Simultaneous Tests for General Linear Hypotheses
Multiple Comparisons of Means: Dunnett Contrasts
Fit: aov(formula = pH ~ tto, data = data)
Linear Hypotheses:
Estimate Std. Error t value Pr(>|t|)
A - C == 0 0.3000 0.1291 2.324 0.11409
B - C == 0 -0.6000 0.1291 -4.648 0.00397 **
D - C == 0 0.1000 0.1291 0.775 0.78324
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Adjusted p values reported -- single-step method)Referencias Bibliográficas
Dunnett, C. W. y Tamhane, A. C. 1992. «A step-up multiple test procedure». Journal of the American Statistical Association 87 (417): 162—170.