Realiza la prueba de no aditividad de Tukey-Kohli con un grado de libertad para modelos de ANOVA basados en cuadros latinos y sus extensiones, acorde con la generalización de Kohli (1988).
tukey_g(model)
model |
Modelo de análisis de varianza. |
Para la especificación del modelo debe usarse un objeto de clase aov o lm con el modelo ajustado.
El modelo tiene que haberse especificado incluyendo inicialmente los efectos de bloqueo (filas, columnas, letras griegas, etc.). A continuación deben incluirse los tratamientos.
En estructuras factoriales de dos o más vías, los tratamientos deben especificarse mediante la forma compacta con asteriscos (*), de manera que el modelo incluya automáticamente todos los efectos principales y sus interacciones.
Así, por ejemplo, un modelo que incluya filas y columnas —como efectos de bloqueo— y una estructura de tres vías para los tratamientos se escribe así:
y ~ filas + columnas + a * b * cEn el modelo deben escribirse primero los efectos de bloqueo y luego los tratamientos.
El símbolo + se utiliza únicamente para separar efectos de bloqueo de efectos fijos.
El orden interno de los efectos de bloqueo (filas, columnas, letras griegas, etc.) es irrelevante, pero deben ocupar las primeras posiciones.
Luego de los efectos de bloqueo aparecen los tratamientos, que pueden estar conformados por uno o varios factores.
En caso de que los tratamientos tengan estructura factorial, deben especificarse los nombres de los factores unidos con asterisco (*). Así, si se tienen los factores a y b debe escribirse a * b en lugar de a + b + a:b (ver ejemplos 2 y 4).
Al igual que la prueba original de Tukey para bloques completos al azar, la generalización de Kohli está orientada a detectar estructuras de interacción de tipo multiplicativo.
La parte derecha del modelo (las variables predictoras) consta de 3 términos: 2 efectos de bloqueo (filas y columnas) —que deben escribirse al inicio— y el efecto fijo (tratamientos).
source("tukey_g.R")
data <- readxl::read_excel("caña.xlsx")
data <- transform(data,
filas = factor(filas),
columnas = factor(columnas),
ttos = factor(ttos))
anova <- aov(rend ~ filas + columnas + ttos, data)
tukey_g(anova)Tukey-Kohli's one df test for additivity
F = 0.2388878 Denom df = 19 p-value = 0.6306044La parte derecha del modelo (las variables predictoras) consta de 3 términos: 2 efectos de bloqueo (filas y columnas) —que deben escribirse al inicio— y un término en formato de fórmula completamente cruzada que recoge todos los efectos fijos.
source("tukey_g.R")
data <- readxl::read_excel("caña.xlsx", sheet = 2)
data <- transform(data,
filas = factor(filas),
columnas = factor(columnas),
a = factor(a),
b = factor(b))
anova <- aov(rend ~ filas + columnas + a * b, data = data)
tukey_g(anova)Tukey-Kohli's one df test for additivity
F = 0.2388878 Denom df = 19 p-value = 0.6306044La parte derecha del modelo (las variables predictoras) consta de 4 términos: 3 efectos de bloqueo (filas, columnas y letras griegas) —que deben escribirse al inicio— y un efecto fijo (los tratamientos).
source("tukey_g.R")
data <- readxl::read_excel("grecolatino.xlsx")
data <- transform(data,
filas = factor(filas),
columnas = factor(columnas),
griegas = factor(griegas),
ttos = factor(ttos))
anova <- aov(y ~ filas + columnas + griegas + ttos, data)
tukey_g(anova)Tukey-Kohli's one df test for additivity
F = 0.2869765 Denom df = 2 p-value = 0.6457643La parte derecha del modelo (las variables predictoras) consta de 4 términos: 3 efectos de bloqueo (filas, columnas y letras griegas) —que deben escribirse al inicio— y un término en formato de fórmula completamente cruzada que recoge todos los efectos fijos.
source("tukey_g.R")
data <- readxl::read_excel("grecolatino.xlsx", sheet = 2)
data <- transform(data,
filas = factor(filas),
columnas = factor(columnas),
griegas = factor(griegas),
a = factor(a),
b = factor(b))
anova <- aov(y ~ filas + columnas + griegas + a * b, data)
tukey_g(anova)Tukey-Kohli's one df test for additivity
F = 0.2869765 Denom df = 2 p-value = 0.6457643Kohli, R. (1988). Assessing interaction effects in Latin square-type designs. International Journal of Research in Marketing. 5(1), 25-37.