We zien in de output een foutmelding: cannot compute exact p-value with ties. Dit is omdat de pairwise.wilcox.test() functie de standaard wilcox.test() functie gebruikt in R. In het helpbestand van deze functie zien we dat deze functie standaard een exacte test doet maar in de aanwezigheid van ties dit niet kan doen en terugrijpt naar een asymptotische test.
We kunnen echter wel exacte p-waarden bekomen met de wilcox_test() uit de coin package voor iedere combinatie van behandeling. Vul de argumenten van de test aan in onderstaande code en probeer ook de overige code goed te begrijpen.
Hiervoor zullen we dus een exacte test gebruiken aangezien het aantal combinaties niet te groot is!
Lees de onderstaande code aandachtig, welke data moeten we gebruiken bij de wilcox_test? We filteren de data zodat we telkens maar twee behandelingen vergelijken, dus niet simpelweg biochar ingeven!
behandelingen<-levels(biochar$behandeling) #de verschillende behandelingen
pairwise_comparisons<-combn(behandelingen, 2) #we kiezen telkens 2 behandelingen uit
pairwise_comparisons #Elke kolom staat voor één paarsgewijze vergelijking.
n<-ncol(pairwise_comparisons) #aantal paarsgewijze vergelijkingen
pvalues<-c() #lege vector creëren voor de p-waarden
names_comparisons<-c() #lege vector creëren voor de namen van de vergelijkingen
for(i in 1:n){
behandelingen_pc<-pairwise_comparisons[,i] # twee behandelingen nemen
data_pc<-biochar%>%filter(behandeling %in% behandelingen_pc) #de bijbehorende data selecteren
test<-wilcox_test(..., data=..., distribution=...) #de test uitvoeren
pvalue1<-pvalue(test) #de p-waarde opslaan ..
pvalues<-c(pvalues, pvalue1) #.. en toevoegen aan onze vector
name1<-paste0(behandelingen_pc, collapse="_vs_") # ook de namen van de vergelijking opslaan..
names_comparisons<-c(names_comparisons, name1) #.. en toevoegen aan de vector met namen
}
names(pvalues)<- names_comparisons
pvalues