问题描述
我正在与 ARTool 合作分析非参数数据中因素之间的差异。我很难理解提供的 emmean 值（单位是什么？）。它们应该如何解释？它们是与分析中使用的算法相似的组比较集中趋势的最佳估计吗？我正在尝试可视化组之间的差异以了解输出。
以下是使用 iris 的示例：
data(iris)
iris.art<-art(Sepal.Length~Species,data=iris)
emmeans(artlm(iris.art,"Species"),~Species)
#Species emmean SE df lower.CL upper.CL
#setosa 29.6 3.65 147 22.4 36.9
#versicolor 82.7 3.65 147 75.4 89.9
#virginica 114.2 3.65 147 107.0 121.4
#Confidence level used: 0.95
with(iris,tapply(Sepal.Length,Species,mean))
#setosa versicolor virginica
#5.006 5.936 6.588
with(iris,median))
#setosa versicolor virginica
#5.0 5.9 6.5
我咨询过： Interpreting results from emmeans comparison https://cran.r-project.org/web/packages/emmeans/vignettes/basics.html
编辑/更新：感谢非常有帮助的评论，看来 emmeans 确实提供了排名的平均值。这是一个使用较小的 iris 数据子集的示例。
subset<-iris[c(1:3,51:53,101:103),c("Sepal.Length","Species")]
with(subset,mean))
#setosa versicolor virginica
#4.900000 6.766667 6.400000
#run ART
iris.art<-art(Sepal.Length~Species,data=subset)
#extract ranks from ART
ranks_art<-iris.art$aligned.ranks
names(ranks_art)<-"ranks_art"
subset$ranks<-as.vector(t((iris.art$aligned.ranks)))
subset[order(subset$Sepal.Length),]
# Sepal.Length Species ranks
#3 4.7 setosa 1
#2 4.9 setosa 2
#1 5.1 setosa 3
#102 5.8 virginica 4
#101 6.3 virginica 5
#52 6.4 versicolor 6
#53 6.9 versicolor 7
#51 7.0 versicolor 8
#103 7.1 virginica 9
with(subset,tapply(ranks,mean))
#setosa versicolor virginica
#2 7 6
emmeans(artlm(iris.art,~Species)
#Species emmean SE df lower.CL upper.CL
#setosa 2 1 6 -0.447 4.45
#versicolor 7 1 6 4.553 9.45
#virginica 6 1 6 3.553 8.45
#
#Confidence level used: 0.95
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@）