R でチューキー検定を行う方法

Tukey HSD検定をRで行う方法の解説。

Tukey HSD検定をRで行う方法

aov()とTukeyHSD()という二つの関数を使う。

ダネット検定のときと同じように、例としてwarpbreaksというデータを使う。

ダネット検定は以下を参照。

機織りにおいて、tension（緊張、張り、テンション）の違いによって、warpbreaksがいくつ起きるかというデータを分析する。

ちなみにWarpは縦糸。横糸はWeftという。

手順としては、まず、一元配置分散分析 ANOVAを行う。

次に、ANOVAのオブジェクトを使ってTukey HSD検定を行う。

この流れになる。

amodがANOVAのオブジェクトだ。

今回はtensionの三種類を総当たりで比較する。

boxplot(breaks ~ tension, data = warpbreaks)
amod <- aov(breaks ~ tension, data = warpbreaks)
TukeyHSD(amod)

tension（緊張、張り）はL（Low）、M（Middle）、H（High）の三種類。

箱ひげ図にしてみると、Lが多くて、M、Hへtensionが高くなると数が減る傾向がある。

Tukey HSD検定の結果は、MもHもLに比べて統計学的有意で、breaksの数はどちらもLに比べて少ない。

HとMの間には統計学的に有意な差はない。

MはLに比べて平均10個少ない。

HはLに比べて平均約15個少ない。

HとMは違いがない。

warpbreaksを予防するなら、Lはやめておいたほうがよい。

HとMはどちらでもよい。

信頼区間の結果も一緒に表示されている。

M-L間とH-L間は、95%信頼区間の上限がマイナスであるのに対し、H-M間は、上限がプラス。

つまりゼロ＝差がないことが否定できないわけで、信頼区間と検定の結果が矛盾していないことが確認できる。

> TukeyHSD(amod)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = breaks ~ tension, data = warpbreaks)
$`tension`
          diff       lwr        upr     p adj
M-L -10.000000 -19.55982 -0.4401756 0.0384598
H-L -14.722222 -24.28205 -5.1623978 0.0014315
H-M  -4.722222 -14.28205  4.8376022 0.4630831

まとめ

Tukey HSD検定は、Rのaov()とTukeyHSD()の二つの関数を使えば、簡単にできる。

EZRで多重比較【動画】

EZRの方法は動画で解説している。

よければ。