afex-package | 析因实验分析维持者:NA | ||
afex | 析因实验分析维持者:NA | ||
afex_aov-methods | a_b对象的方法 | ||
afex_options | 设置/获取全局afex选项 | ||
afex_plot | 带误差线和原始数据的m路图 | ||
afex_plot.afex_aov | 带误差线和原始数据的m路图 | ||
afex_plot.default | 带误差线和原始数据的m路图 | ||
afex_plot.merMod | 带误差线和原始数据的m路图 | ||
afex_plot.mixed | 带误差线和原始数据的m路图 | ||
all_fit | 使用多个优化器重新调整“lmer”模型 | ||
anova.afex_aov | a_b对象的方法 | ||
aov_4 | 析因设计的简便方差分析估计 | ||
aov_car | 析因设计的简便方差分析估计 | ||
aov_ez | 析因设计的简便方差分析估计 | ||
compare.2.vectors | 使用各种测试比较两个向量。 | ||
emm_basis.afex_aov | a_b对象的方法 | ||
ems | 析因设计的均方期望值实现Cornfield Tukey算法,用于导出析因设计的均方期望值。 | ||
fhch2010 | Freeman、Heathcote、Chalmers和Hockley的数据(2010年) | ||
fitted.afex_aov | 从ighd_hum_df个对象中提取残差和拟合值 | ||
interaction_plot | 带误差线和原始数据的m路图 | ||
ks2013.3 | Klauer&Singmann的数据(2013,实验3) | ||
lmer_alt | 通过lme4::lmer()的混合模型固定效应的p值 | ||
md_12.1 | 数据12.1来自Maxwell&Delaney | ||
md_15.1 | 数据15.1/11.5来自Maxwell&Delaney | ||
md_16.1 | 数据16.1/10.9来自Maxwell&Delaney | ||
md_16.4 | 数据16.4来自Maxwell&Delaney | ||
mixed | 通过lme4::lmer()的混合模型固定效应的p值 | ||
nice | 做一个漂亮的方差分析表打印。 | ||
nice.afex_aov | 做一个漂亮的方差分析表打印。 | ||
nice.anova | 做一个漂亮的方差分析表打印。 | ||
nice.mixed | 做一个漂亮的方差分析表打印。 | ||
nmkbw | 使用多个优化器重新调整“lmer”模型 | ||
obk.long | 具有协变量的O'Brien-Kaiser重复测量数据集 | ||
oneway_plot | 带误差线和原始数据的m路图 | ||
print.afex_aov | a_b对象的方法 | ||
print.nice_table | 做一个漂亮的方差分析表打印。 | ||
recover_data.afex_aov | a_b对象的方法 | ||
residuals.afex_aov | 从ighd_hum_df个对象中提取残差和拟合值 | ||
round_ps | p值舍入的辅助函数 | ||
round_ps_apa | p值舍入的辅助函数 | ||
set_default_contrasts | 设置全局对比度 | ||
set_deviation_contrasts | 设置全局对比度 | ||
set_effects_contrasts | 设置全局对比度 | ||
set_sum_contrasts | 设置全局对比度 | ||
set_treatment_contrasts | 设置全局对比度 | ||
sk2011.1 | Singmann和Klauer的数据(2011,实验1) | ||
sk2011.2 | Singmann和Klauer的数据(2011,实验2) | ||
stroop | Stroop数据来自Lin等人(2020,心理学)。(科学) | ||
summary.afex_aov | a_b对象的方法 | ||
test_levene | 方差分析的假设检验 | ||
test_sphericity | 方差分析的假设检验 |