De resterende onderzoekshypothesen kunnen niet meer rechtstreeks uit het regressiemodel worden afgeleid. Hiervoor zullen we contrasten moeten definiëren: lineaire combinaties van de modelparameters. We zullen de contrasten met het multcomp package evalueren. Dit zal ons ook in staat stellen om te corrigeren voor meervoudig testen, aangezien we meerdere hypothesen beoordelen om de relevante onderzoeksvragen te beantwoorden.
Alle hypothesen van interesse worden hieronder opgelijst, vertaal de hypothesen naar het juiste contrast (lineaire combinatie van de model parameters). Dat kan je doen door verschillen in gemiddelden uit te werken zoals in vraag 16b. Je kan deze zowel neerschrijven in termen van de symboolnotatie van het model alsook door gebruik te maken van de namen van de model parameters in R.
\(H_0: \log_2{FC}_{g3n0-g1n0} = \beta_{g3} = 0\) \(\rightarrow\) “grade3 = 0”
Stel nu zelf de contrasten op voor de overige onderzoeksvragen:
\(H_0: \log_2{FC}_{g3n1-g1n1} = ... = 0\) \(\rightarrow\) “… = 0”
\(H_0: \log_2{FC}_{g1n1-g1n0} = ...\) \(\rightarrow\) “…”
\(H_0: \log_2{FC}_{g3n1-g3n0} = ... = 0\) \(\rightarrow\) “… = 0”
\(H_0: \log_2{FC}_{g3n1-g1n1} - \log_2{FC}_{g3n0-g1n0} = ... = 0\), merk op dat deze hypothese ook equivalent is met \(H_0: \log_2{FC}_{g3n1-g3n0} - \log_2{FC}_{g1n1-g1n0} = ... = 0\) \(\rightarrow\) “… = 0”