使用一般线性模型GLM后的事后检验

问题描述

我想看看 3 个组 (klasse) 和他们的攻击性行为（通过计算攻击性交互的数量）之间是否存在显着差异。这种情况无关紧要，但必须加以考虑。我将各组之间的积极交互与一般线性模型进行了比较，并使用了家庭泊松作为计数数据。

这是Rstudio中输入的数据：

data.frame(agressiekrab=c(8,5,1,10,6,12,4,17,9,11,2,3,21,14,15,22,8,19,16,10),klasse=c(1,3),situatie=c(1,2))

structure(list(agressiekrab = c(8,klasse = c(1,3
),situatie = c(1,2)),class = "data.frame",row.names = c(NA,-32L))

它是非参数数据，所以不是正态分布的这是我在 Rstudio 中使用的代码：

agmodel1<-glm(agressiekrab~klasse*situatie,poisson) 
summary(agmodel1)

结果如下：

Call:
glm(formula = agressiekrab ~ klasse * situatie,family = poisson)

Deviance Residuals: 
   Min      1Q  Median      3Q     Max  
-3.688  -1.623  -0.462   1.306   3.718  

Coefficients:
                Estimate Std. Error z value Pr(>|z|)    
(Intercept)       1.5198     0.3812   3.987 6.68e-05 ***
klasse            0.7223     0.1827   3.953 7.71e-05 ***
situatie          0.0905     0.2112   0.428  0.66836    
klasse:situatie  -0.3251     0.1169  -2.781  0.00542 ** 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(dispersion parameter for poisson family taken to be 1)

    Null deviance: 171.19  on 31  degrees of freedom
Residual deviance: 120.51  on 28  degrees of freedom
AIC: 240.09

Number of Fisher Scoring iterations: 5

现在我想使用事后测试来查看 de 组 (klasse) 之间的差异。我尝试了成对 wilcox 测试，但它没有给我两两比较。我不知道如何解释结果。我也尝试过 TukeyHSD 测试，但也没有奏效（而且我认为这是不正确的，因为非参数数据）

pairwise.wilcox.test(agressiekrab,klasse*situatie,P.adj="Bonj")
   Pairwise comparisons using Wilcoxon rank sum test 
   data:  agressiekrab and klasse * situatie £
      1 2 3 4
    2 1 - - -  
    3 1 1 - -
    4 1 1 1 -
    6 1 1 1 1 
  P value adjustment method: holm

tukey 方法报错：

TukeyHSD(aov(agressiekrab~klasse*situatie))    
  Error in TukeyHSD.aov(aov(agressiekrab ~ klasse * situatie)) : 
  no factors in the fitted model

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

glm poisson posthoc r r