RでTukey‒Kramer（チューキー・クレーマー）検定をしたい。

Question

前提

以下のデータフレーム（W）があります。

 ID        GLS1        GLS3         GLS5
1   1 -1.04730654  1.10116231  0.306816460
2   2  0.20399312 -1.22492079  1.688875235
3   3 -1.14594448 -0.93603377  0.362927052
4   4  0.14528592  0.93301921  0.342997315
5   5 -0.44355948  1.53568825  0.380921923
6   6 -0.56717593  0.70040099 -0.852070010
7   7  0.45038193 -0.03036028 -0.460811334
8   8 -0.02956893 -0.41574565 -0.294606620
9   9  0.56682992 -0.19421884  1.353372044
10 10 -0.09929710 -0.28803528 -0.489563438
11 11  1.33494488  0.80313529  1.655293419
12 12  2.09409336  1.61935723  1.673184665
13 13 -0.89966749  0.66626872  0.726589807
14 14 -1.26051726 -0.47167327  0.141844945
15 15  0.38086379  0.08339965 -0.828122549
16 16  2.15268403  0.84914804  0.737056629
17 17  0.45039388 -0.34167240  1.014506410
18 18  0.83627647 -0.28536840  0.025748346
19 19 -0.16047886  1.52877656  1.740356859
20 20 -0.38119123 -1.36769216  1.037207115
21 21  0.83007172 -0.16652047  0.135977974
22 22 -0.58569516  0.81275025 -0.315387204
23 23  0.71232246  1.39889291  0.438412447
24 24 -0.18639870 -0.30224741  0.260903566
25 25  0.28525012  0.33100789  0.402934091
26 26  0.23577950 -0.51939282  0.435024724
27 27 -0.80110009 -0.63535471 -0.053083194
28 28 -1.12858213 -2.24615125 -1.717286747
29 29 -1.01034830 -0.78849796  0.228220061
30 30 -1.14788014 -1.96376060 -1.731079797
31 31  2.37059000  1.53702095 -1.269567977
32 32  0.78860465  0.02447668 -0.182693836
33 33 -0.63401575 -0.61022750 -0.562885074
34 34 -0.39697080 -0.87530017 -0.007989716
35 35 -0.73434619 -1.81299849 -0.953320248
36 36 -0.83730104  1.18906905  1.711010508
37 37  0.27275771  0.21704022  1.321708963
38 38 -0.65010275  0.73103855  1.115446734
39 39  0.30724810  0.50559798  1.662652944
40 40 -0.66031859 -1.43382555 -1.049566789
41 41 -0.61426348 -0.41410942  0.413182775
42 42 -0.71590666  1.44514605 -0.564965605
43 43 -1.25204849  1.14772094 -1.740319579
44 44  0.74676933 -0.26943808 -0.856351802
45 45  0.50349268  0.08160022 -1.172111098
46 46  2.27098867  0.75265356  1.703762267
47 47  0.47879792  1.07044129 -0.459587757
48 48 -0.57006435  0.58899509 -0.027483261
49 49 -0.60701764  0.02148652  0.300965202
50 50  0.60947416  1.43378628  0.443430892
51 51 -0.88014640 -1.15970163 -1.217589333
52 52 -0.06123091  1.28016857 -0.370541070
53 53  0.28849753  0.13727886 -1.494725405
54 54  1.27566614  0.58645905  0.753385281
55 55  0.10673152 -0.65694130  0.133603215
56 56  0.40916789 -0.83882468 -0.478921902
57 57  0.47234801 -1.93882779  1.247551175
58 58 -1.08445312 -1.06233890  1.139591109
59 59  0.04951942 -0.36337378  0.624461102
60 60  0.84085936  1.69161898  0.984644179
61 61 -1.29454724 -2.23361152 -0.365483896
62 62 -0.43121336  0.28362339 -0.219001337
63 63  0.54726829  0.25368186  1.476853836
64 64 -0.83299012 -0.09537569 -0.721923627
65 65 -0.71245831  0.24917050 -0.117647789
66 66 -0.73608502  0.05830775 -1.864741375
67 67 -1.21837249 -0.21991584 -0.853000990
68 68  0.16195254  0.72928815  0.319176417
69 69 -1.10332034 -0.33379550 -1.049502912
70 70 -0.40803544 -0.43152385 -0.734714988
71 71  0.09667939  0.46062212  0.164749071
72 72  1.20873288  0.07559270  0.334311556
73 73 -1.46446776 -0.87479438 -1.106847140
74 74  0.93821639 -0.47889294  0.166010226
75 75  2.19615527  0.59335966 -0.090989755
76 76  3.03378393  0.30327647  1.270534505
77 77  2.33279771  1.55447435 -0.714549562
78 78 -0.36495604  1.42701841  0.411426744
79 79 -0.33371080 -1.43262936 -0.876720668
80 80 -0.86854176 -0.56025505 -0.472489292
81 81 -0.68198355  0.06006635  0.650436429
82 82  0.03763405 -1.89508073  0.205172137
83 83 -0.25368042 -0.08275867 -1.776477032
84 84 -0.59850523 -0.13480690  0.260584238
85 85 -1.02529153  0.07039319 -1.251586448
86 86  0.09148579 -0.27466409 -0.937640982
87 87 -0.24764205 -0.50259435 -0.684281730
88 88  0.05330901  0.24077115 -0.915591719
           GLS2        GLS4 Cluster
1  -0.104548147  0.36155082       3
2   1.653392110  0.97190800       4
3   1.120718634 -0.60206666       4
4   0.180415047 -1.73471602       1
5  -0.241090292  1.42191363       2
6   0.355788185  0.77421381       3
7   0.132189691 -0.87345227       1
8   0.342792834 -0.68054014       1
9   0.965315376  0.94522044       2
10  0.195337379 -0.11162505       1
11 -0.080672773  1.09338805       2
12  0.085489591  1.71195910       2
13  0.854204192 -0.48348690       4
14  0.327337061  0.01008527       4
15  1.026050882 -0.33959603       1
16  0.382794063  0.32505994       2
17  0.095525365  1.07677437       2
18 -0.432933241 -0.44080407       3
19  0.462321661  0.07924184       2
20  0.366082780 -0.54425008       4
21  0.631724135  1.03790550       2
22 -1.677835330  0.79802806       3
23 -0.039361333 -0.02063329       2
24  0.726524594 -0.36678237       4
25  0.786345849  0.97543989       2
26  0.746135344 -0.17375531       4
27  0.055547816 -1.08556356       1
28 -0.227285725 -1.70838042       1
29  0.162841695  0.86316319       4
30  0.270261693  0.18561828       1
31 -1.046335846  1.46980726       3
32  0.404523295  1.09086050       2
33  0.584368712 -0.56580419       1
34 -0.679475129  1.50957835       3
35  1.466680318 -0.59717793       1
36  1.001442209  1.69999939       2
37  1.305555784  0.10983885       2
38  0.392536280 -1.81426064       1
39  0.073946760 -0.06098958       2
40 -0.894688582 -1.38238502       1
41 -1.336300397 -0.50134400       3
42 -1.071179087  1.58729039       3
43 -0.199272203 -1.59212671       1
44 -0.842309305 -0.49201960       3
45 -0.350723039 -0.53924542       1
46  0.130037981 -0.38492608       2
47  0.213524625 -0.29973242       2
48  0.310196180 -0.29241424       1
49 -0.322718747  0.11445636       4
50 -0.917800776  0.10661772       2
51  1.145038252 -1.76697583       1
52 -2.273452505  0.15774728       3
53  0.808846386  1.03334006       3
54  0.048802921  0.56800099       2
55  0.654392377 -0.08653642       4
56  0.350113304  0.20397437       4
57  0.487931820 -0.27565280       4
58  0.234159160  0.26938610       4
59  0.261884971 -0.34637201       4
60 -1.724615898  0.29235211       2
61  0.839262702  0.36240108       4
62  0.017385526 -0.75909766       1
63  0.469084439 -0.60977863       2
64  0.990849371  0.07439021       1
65  0.923356481 -0.67383336       1
66 -2.093530606 -0.67351735       3
67  0.931035418 -1.16629267       1
68  1.186589573 -0.18825061       2
69  0.203906228 -0.63069308       1
70 -2.139513473 -0.43364562       3
71 -0.528330493 -0.82685911       1
72 -0.032979645 -0.15634150       2
73  0.397725201 -1.89447445       1
74 -0.915064027  1.02630933       3
75  0.120086567  0.69126189       2
76 -0.857491403  0.81830565       2
77 -1.563845392  1.48092706       3
78  1.162598656  0.97977916       2
79 -1.810032996 -1.36493644       1
80 -1.012732820 -0.64830827       1
81  0.684790453  0.42201513       4
82 -2.823707308  0.99178210       3
83  0.703035523 -0.75509815       1
84 -0.004697579  0.65203649       4
85  0.064800080  0.65976482       3
86 -0.373396792 -0.78854856       1
87 -2.095771917  0.18638604       3
88  0.220069275  0.54321163       3

Cluster1~4の間で，GLS1の平均値に差があるかを調べたいと思っています。
それにあたって，Tukey- Kramer検定を行うことにしました。

発生している問題・エラーメッセージ

以下のコードを打ちました。

library(multcomp)

T1 = aov(GLS1 ~ Cluster, data = W) #一元分散分析
summary(T1) #分散分析表の出力

T2 = glht(T1, linfct = mcp(Cluster = "Tukey"))
summary(T2)

すると，summary(T2)に対して以下のエラーが返ってきました。

Error in mcp2matrix(model, linfct = linfct) : 
  Variable(s) ‘Cluster’ of class ‘integer’ is/are not contained as a factor in ‘model’.

試したこと

ネットで調べてみた結果，どうやらClusterを整数型から因子型に変える必要があると思い，以下のようなコードをsummary(T1)の後に挟んでみました。

Cluster = factor(Cluster)
class(Cluster) #factorになった

しかし，同じエラーが返ってきました。

• どの点に問題があるのでしょうか？
• T1についてのコードは問題ないでしょうか？

Answer 1

似たようなデータセットでmtcarsを使う例を示します。
cylはシリンダー数で、もともとのデータセットは数値になっています。なので、最初にfactorに変換したデータを作成する必要があります。
あとはもともと書かれた流れで大丈夫です。

library(multcomp)

data <- mtcars    #mtcarsをそのままコピー
data$cyl <- factor(mtcars$cyl)     #cylをファクターにする

T1 <- aov(mpg ~ cyl, data = data)
T2 = glht(T1, linfct = mcp(cyl = "Tukey"))
summary(T2)

TukeyHSD(aov(mpg ~ factor(cyl), data = mtcars)) #Tukey test ならBase関数のこれでもできると思います

Comments

[tere]

ありがとうございます！！助かりました。