学习R：bruceR包EMMEANS()函数简单效应分析

老师想考察不同文章类型（熟悉或不熟悉）、不同生字密度（高中低）及二者的交互作用对阅读理解的影响。设计了一个测试，收集到一份符合方差分析要求的数据资料。

R读取数据后，使用bruceR包执行双因素方差分析：

MANOVA(yuedu,dv="成绩",between=c("文章类型","生字密度"))

双因素方差分析表如下：

‍

交互作用显著，继续做简单效应分析。

MANOVA(yuedu,dv="成绩",between=c("文章类型","生字密度")) %>% EMMEANS("生字密度", by="文章类型")

（表中有一个p值结果和其他软件不同 ？）

这个两两比较的结果和SPSS组织格式是一样的，也是控制其中一个因素然后考察另一个因素不同水平的变化或差异，属于是不完全的两两比较。

并不是从交互作用不同水平组合间两两比较的角度给的结果。但是这样做专业解读似乎更容易一些。

文章类型不熟悉时，生字密度各水平间的差异均不显著（P＞0.05）。打个比方，某年高考数学难度是往年的n倍，难度一下子拔高了，管你什么水平的学生，大多数的学生都考不出好成绩了。

而文章类型熟悉时，生字密度各水平的差异均显著（P＜0.05）。八仙过海，各显神通。

再总体看一下检验结果：

以文章类型为调节，生字密度在不同文章类型下对阅读理解的平均影响是不同的（P1=0.674＞0.05，P2＜0.05）。

本文完

文/图=数据小兵

更多R统计文章

练习R语言：bruceR包Freq()函数频率百分比统计

练习R语言：CrossTable()函数实现交叉表卡方检验

练习R语言：blandr包实现Bland-Altman一致性评价

练习R语言：ls()函数列出变量名称

学习R：matrix()函数录入矩阵数据

学习R语言：CATT()函数实现趋势性卡方检验

我做了一个知识星球，叫做「统计问答」，可以说是自找苦吃，我一个非统计专业做这个事情压力很大，有压力也有动力，自从开了这个星球，我学习比以前更多了。