关于单因素方差分析，网上有很多方法，比如使用R语言进行单因素方差分析以及结果可视化这个教程。
但是R到底如何做多组样本均数比较及两两比较？我觉得上面的教程是错误的，原因如下：
- 没有进行正态性检验和方差齐性检验？
- 两两比较直接使用t检验，而不是事后检验
rstatix包是一个非常好的统计学包，含有许许多多的统计函数，关于ANOVA的分析，可以看下吗这个教程，虽然是英语的，但是逻辑性很强。
ANOVA in R: The Ultimate Guide - Datanovia
我们可以用经典的内置ToothGrowth数据进行演示。
构建数据
data("ToothGrowth") ## 加载数据
df <- ToothGrowth ## 重命名数据
df$dose<-as.factor(df$dose) ## 将剂量dose设置为因子，这步很重要
数据统计
library(rstatix)
library(tidyr)
## 按dose分组计算各组的len均值和标准差
df %>%
group_by(dose) %>%
get_summary_stats(len, type = "mean_sd")
| dose | variable | n | mean | sd | |
|---|---|---|---|---|---|
| 1 | 0.5 | len | 20 | 10.605 | 4.5 |
| 2 | 1 | len | 20 | 19.735 | 4.415 |
| 3 | 2 | len | 20 | 26.1 | 3.774 |
简单可视化数据
library(ggpubr)
ggboxplot(df, x = "dose", y = "len")
正态性检验
可以使用以下两种方法之一检查正态性假设：
分析方差分析模型残差。以检查所有组的正态性。此方法更容易，并且当您有许多组或每个组的数据点很少时，它非常方便。
分别检查每个组的正态性。当只有几个组并且每个组有许多数据点时，可以使用此方法。
模型残差的正态性检验
首先构建残差的线性模型，以QQ图的形式展示结果，见下图所示。
# 构建线性模型
model <- lm(len ~ dose, data = df)
# 构建残差的QQ图
ggqqplot(residuals(model))
计算Shapiro-Wilk正态性检验
shapiro_test(residuals(model))
| variable | statistic | p.value | |
|---|---|---|---|
| 1 | residuals(model) | 0.967308970963541 | 0.1076299868954 |
在QQ图中，由于所有点都大致沿着参考线落下，因此我们可以假设呈正态分布。这一结论得到了Shapiro Wilk检验的支持。p值不显著（p=0.0798），因此我们可以假设为正态。
各组的正态性检验
计算各组水平的Shapiro-Wilk检验。如果数据为正态分布，则p值应大于0.05。
df %>%
group_by(dose) %>%
shapiro_test(len)
| dose | variable | statistic | p | |
|---|---|---|---|---|
| 1 | 0.5 | len | 0.9406450940929 | 0.246601486196049 |
| 2 | 1 | len | 0.931343143558916 | 0.163882141233336 |
| 3 | 2 | len | 0.977753538808449 | 0.901911496439863 |
根据Shapiro-Wilk的正态性检验，各组均为正态分布（p>0.05）。
请注意，如果样本数量大于 50，则首选正态QQ 图，因为在较大的样本量下，Shapiro-Wilk检验变得非常敏感，即使与正态性有轻微的偏差。
QQ图绘制了给定数据与正态分布之间的相关性。为每组数据绘制QQ图，见Figure 2所示。
ggqqplot(df, "len", facet.by = "dose")
所有点都大致沿着参考线落下。所以我们可以假设数据是正态分布的。
如果对数据的正态性有疑问，可以使用Kruskal-Wallis检验，这是单因素ANOVA检验的非参数替代方法。
方差齐性检验
-
残差结合拟合图可用于检查方差的同质性。
plot(model, 1)
在上图中，残差和拟合值（每个组的均值）之间没有明显的关系，结果很好。因此，我们可以假设方差的同质性。
- 也可以使用 Levene 检验来检查方差的同质性：
df %>% levene_test(len ~ dose)
| df1 | df2 | statistic | p | |
|---|---|---|---|---|
| 1 | 2 | 57 | 0.64573411096315 | 0.528069457375992 |
这时，我们要注意，一定要将dose定义为因子，否则会因为结果是数字而报错。
上面的结果中，我们可以看到 p 值> 0.05，这意味组间方差之间没有显著差异。因此，我们可以假设不同组中方差具有齐性或同质性。
在不满足方差齐性假设的情况下，可以使用函数
Welch_ANOVA_test()函数计算Welch单因素方差分析测试。该测试不需要假设方差相等。
计算检验
res.aov<- df %>% anova_test(len ~ dose)
res.aov
| Effect | DFn | DFd | F | p | p<.05 | ges | |
|---|---|---|---|---|---|---|---|
| 1 | dose | 2 | 57 | 67.416 | 9.53e-16 | * | 0.703 |
在上表中，该列对应于广义eta平方（效应大小）。它测量结果变量（这里是植物）中的变异性比例，可以用预测因子（这里是治疗）来解释。效应大小为0.703（26%）意味着70.3%的变化可归因于剂量条件
从上述ANOVA表中可以看出，各组之间存在显著差异（p=9.53e-16），显示为”*“，F（2，57）=67.416，p=9.53e-16，eta2[g]=0.703。
该结果可以在可视化的时候引用上。
事后检验
常用单因素方差分析用于多组间的两两比较的方法是Tukey事后检验（而不是简单的t检验）。可用rstati的tukey_hsd()函数计算。
而对于方差不齐的情况下可以使用Games Howell事后检验，即rstati的
games_howell_test()函数
pwc <- tukey_hsd(df, len ~ dose)
pwc
另外，还有几个同等的代码，结果一样
df %>% tukey_hsd(len ~ dose)
aov(len ~ dose, data = df) %>% tukey_hsd()
| term | group1 | group2 | null.value | estimate | conf.low | conf.high | p.adj | p.adj.signif | |
|---|---|---|---|---|---|---|---|---|---|
| 1 | dose | 0.5 | 1 | 0 | 9.13 | 5.90180527932805 | 12.3581947206719 | 2e-8 | **** |
| 2 | dose | 0.5 | 2 | 0 | 15.495 | 12.266805279328 | 18.7231947206719 | 1.12e-11 | **** |
| 3 | dose | 1 | 2 | 0 | 6.36499999999999 | 3.13680527932805 | 9.59319472067194 | 0.0000425 | **** |
可视化报告
我们可以将单因素方差分析的结果报告如下：
进行单因素方差分析，以评估3个不同剂量组的牙齿生长是否不同：0.5（n=20）、1.0（n=20）和2.0（n=20）。
数据表示为平均值+/-标准差。不同剂量组之间的牙齿生长在统计学上有显著差异，F（2，57）=67.416，p=9.53e-16，广义eta平方=0.703。
Tukey事后分析显示，三组数据具有统计学意义（p=0.012）
带有p值的箱示图可视化结果
使用add_xy_position()函数自动进行两两分组比较，同时确定x和y轴位置。
## 添加各组比较和坐标轴位置
pwc <- pwc %>% add_xy_position(x = "dose")
| term | group1 | group2 | null.value | estimate | conf.low | conf.high | p.adj | p.adj.signif | y.position | groups | xmin | xmax | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | dose | 0.5 | 1 | 0 | 9.13 | 5.90180527932805 | 12.3581947206719 | 2e-8 | **** | 35.388 | 0.5,1 | 1 | 2 |
| 2 | dose | 0.5 | 2 | 0 | 15.495 | 12.266805279328 | 18.7231947206719 | 1.12e-11 | **** | 37.62 | 0.5,2 | 1 | 3 |
| 3 | dose | 1 | 2 | 0 | 6.36499999999999 | 3.13680527932805 | 9.59319472067194 | 0.0000425 | **** | 39.852 | 1,2 | 2 | 3 |
- 使用
stat_pvalue_manual()函数可以自动添加两两比较的p值和显示的位置，还可以选择是否显示无意义的结果，以及是显示星号还是数值 - 使用
labs()函数添加整体结果和方法
## ggpubr绘图，加整体p值和两两比较p值
ggboxplot(df, x = "dose", y = "len") +
stat_pvalue_manual(pwc,hide.ns = TRUE ) +#隐藏无意义的结果
labs(subtitle = get_test_label(res.aov, detailed = TRUE),
caption = get_pwc_label(pwc)
)
当然，我们也可以适当美化，比如配色，主题什么的，见Figure 3所示。
ggboxplot(df, x = "dose", y = "len",
add = 'jitter',color = 'dose',
palette = 'lancet', #设置lancet配色
ggtheme = theme_bw(), # 设置背景
legend='none' ## 去除分组标签
) +stat_pvalue_manual(pwc, hide.ns = TRUE) +
labs( subtitle = get_test_label(res.aov, detailed = TRUE), caption = get_pwc_label(pwc))
我们也可以用柱状图来可视化，见Figure 4所示。
ggbarplot(df, x = "dose", y = "len",
add = 'mean_sd',fill = 'dose',
palette = 'npg', #设置lancet配色
ggtheme = theme_pubclean(), # 设置背景
legend='none' ## 去除分组标签
) +stat_pvalue_manual(pwc, hide.ns = TRUE) +
labs( subtitle = get_test_label(res.aov, detailed = TRUE), caption = get_pwc_label(pwc))
放宽标准的方差齐性假设
经典的单因素方差分析检验要求所有组的方差相等。在本例，Levene检验不显著，提示方差齐性假设证明是良好的。
在违反方差齐性假设的情况下，我们如何进行ANOVA检验呢？
在无法假设方差齐性的情况下（即Levene检验显著时），使用Welch单因素检验是标准单单因素方差分析的替代方法。
在这种情况下，可以使用Games-Howell事后检验或成对t检验（不假设方差相等）来比较所有可能的群体差异组合。
# Welch One way ANOVA test
res.aov2 <- df %>% welch_anova_test(len ~ dose)
# Pairwise comparisons (Games-Howell)
pwc2 <- df %>% games_howell_test(len ~ dose)
# 可视化: box plots with p-values
pwc2 <- pwc2 %>% add_xy_position(x = "dose", step.increase = 1)
ggboxplot(df, x = "dose", y = "len",
add = 'jitter',color = 'dose',
palette = 'lancet', #设置lancet配色
ggtheme = theme_bw(), # 设置背景
legend='none' ## 去除分组标签
) +
stat_pvalue_manual(pwc2, hide.ns = TRUE) + # 如果不想隐藏无意义的，可以设置hide.ns = F
labs(
subtitle = get_test_label(res.aov2, detailed = TRUE),
caption = get_pwc_label(pwc2)
)
两组方法的比较
将两种方法进行比较，见Figure 5所示。
p1<-ggboxplot(df, x = "dose", y = "len",
add = 'jitter',color = 'dose',
palette = 'lancet', #设置lancet配色
ggtheme = theme_bw(), # 设置背景
legend='none', ## 去除分组标签
title = 'ANOVA text') +stat_pvalue_manual(pwc, hide.ns = TRUE,label = 'p.adj') +
labs( subtitle = get_test_label(res.aov, detailed = TRUE), caption = get_pwc_label(pwc))
p2<-ggboxplot(df, x = "dose", y = "len",
add = 'jitter',color = 'dose',
palette = 'lancet', #设置lancet配色
ggtheme = theme_bw(), # 设置背景
legend='none', ## 去除分组标签
title = 'Welch one-way test' ) +
stat_pvalue_manual(pwc2, hide.ns = TRUE,label = 'p.adj') +
labs(subtitle = get_test_label(res.aov2, detailed = TRUE),
caption = get_pwc_label(pwc2)
)
## 拼图
cowplot::plot_grid(p1,p2)
当然，如果使用放宽条件的情况，其实还有一个更简单的办法，就是直接使用ggstatsplot这个包
library(ggstatsplot)
p3<-ggbetweenstats(df,dose,len,p.adjust.method = 'none')
p3
cowplot::plot_grid(p3,p2)
可以看到结果是一样的.
另外，rstatix包也可以进行双因素、多因素的ANOVA，具体的可以去https://www.datanovia.com/en/lessons/anova-in-r学习教程