R语言中在表格中显示Tukey HSD事后检验的分组结果|和SPSS一样可视化ANOVA方差分析

在多层次方差分析之后，我们可能需要看看到底是哪些处理组之间有显著差异，或者虽然ANOVA结果是显著的但是我们还要看看哪些处理组之间是不显著的，这种时候我们就需要TukeyHSD事后检验了。用过SPSS的人应该知道，SPSS的事后检验结果非常的人类友好——可读性很高，会把每个层次的处理告诉你，但是R自带的结果就非常不友好了...我拿同一组数据在R和SPSS里跑了TukeyHSD之后截图如下，可以比较一下：

这里就要隆重介绍一下这个agricolae::HSD.test功能了，这里我用和上面一样的数据来跑，先上示例：

library(agricolae)
data <- read.csv("./data/processed/data_std.csv", header = T)[,-1]
fit <- aov(LDR_k~OriginRegion*MeshSize, data = data)
result_O <- HSD.test(fit, "OriginRegion", group = T)
print(result_O)

这给出了如下所示的结果，可以看到在group里已经帮你区分好了，这时候只需要先根据mean的排序拍一下，然后再根据group进行分割即可：

$statistics
    MSerror  Df         Mean           CV       MSD
  0.6822906 378 2.545493e-16 3.244986e+17 0.5432876

$parameters
   test       name.t ntr StudentizedRange alpha
  Tukey OriginRegion   9         4.412161  0.05

$means
         LDR_k       std  r       Min       Max         Q25          Q50         Q75
DY  0.32530631 0.7097809 45 -1.936677 1.4508557  0.02978097  0.384582220  0.77605853
FZ -0.24299496 0.7220485 45 -2.504637 2.3600722 -0.52128563 -0.183408972  0.03558391
LY -0.01516368 0.6193046 45 -2.046281 1.1402315 -0.30250106 -0.044365822  0.38458222
SH -0.04386086 0.7659339 45 -2.064687 1.2636034 -0.36394625  0.034614607  0.44577633
TZ  0.27439923 1.3860926 45 -2.482270 4.8389794 -0.70929808 -0.002696268  0.92462849
YC -0.29896030 0.8934172 45 -2.925010 1.1472782 -0.60000934 -0.215288465  0.35359177
YK  1.28620061 1.0038827 45 -2.137451 4.2718123  0.78673937  1.286135783  1.99981816
ZH -0.57099758 0.5764722 45 -2.609497 0.4941562 -0.73341744 -0.462901382 -0.26275734
ZZ -0.71392877 0.4909817 45 -2.591578 0.9615346 -0.95005760 -0.626076758 -0.50339911

$comparison
NULL

$groups
         LDR_k groups
YK  1.28620061      a
DY  0.32530631      b
TZ  0.27439923     bc
LY -0.01516368    bcd
SH -0.04386086   bcde
FZ -0.24299496   cdef
YC -0.29896030    def
ZH -0.57099758     ef
ZZ -0.71392877      f

另外还有一个multcomp包提供了可视化的图表绘制功能（参考这里有详细介绍）显著两两比较的，虽然它不以表格的形式呈现出来。但是，它有一个绘图方法，可以使用箱线图方便地显示结果。演示顺序也可以更改（选项decreasing=），并且它有更多的选项可用于多重比较。还有multcompView包扩展了这些功能。

以下是使用以下分析的相同示例：

library(multcomp)
tukey <- glht(fit, linfct = mcp(OriginRegion = "Tukey"))
summary(tukey)
tukey.cld <- cld(tukey)
opar <- par(mai=c(1,1,1.6,1))
plot(tukey.cld)
par(opar)

在所选级别（默认为5％），共享相同字母的处理之间没有显着差异。

顺便提一下，有一个新项目，目前托管在R-Forge上，看起来很有希望：factorplot。它包括基于行和字母的显示，以及所有成对比较的矩阵概览（通过水平图）。可在此处找到工作文件：factorplot：改进GLM中简单对比度的表示