用R语言进行方差分析

单因素方差分析——R语言实战 R语言单因素方差分析 阅读详情

R语言中与方差分析有关的包有car、gplots、HH、rrcov、multicomp、effects、MASS和mvoutlier。

单因素方差分析

#运用multcomp包中的cholesterol数据
library(multcomp)
attach(cholesterol)

#查看疗法特征变量
table(trt)

trt
 1time 2times 4times  drugD  drugE 
    10     10     10     10     10 

#查看各组的均值以及方差
aggregate(response,by=list(trt),FUN=mean)

  Group.1        x
1   1time  5.78197
2  2times  9.22497
3  4times 12.37478
4   drugD 15.36117
5   drugE 20.94752

aggregate(response,by=list(trt),FUN=sd)

  Group.1        x
1   1time 2.878113
2  2times 3.483054
3  4times 2.923119
4   drugD 3.454636
5   drugE 3.345003

#检验组间差异(ANOVA)
fit <- aov(response ~ trt)
summary(fit)    #这里显著说明组间存在差异

            Df Sum Sq Mean Sq F value   Pr(>F)    
trt          4 1351.4   337.8   32.43 9.82e-13 ***
Residuals   45  468.8    10.4                     
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1


#绘制组间差异以及置信区间
library(gplots)
plotmeans(response ~ trt,
          xlab = "Treatment",
          ylab = "Response",
          main = "Mean Plot \nwith 95% CI")
detach(cholesterol)

虽然ANOVA对各种疗法的F检验证明其效果不同,但并不知道哪种疗法与哪种疗法之间不同。多重比较可以解决这个问题,利用TukeyHSD()函数可以对各组均值差异成对检验。

#对各组均值差异进行成对检验
TukeyHSD(fit)


  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = response ~ trt)

$trt
                  diff        lwr       upr     p adj
2times-1time   3.44300 -0.6582817  7.544282 0.1380949
4times-1time   6.59281  2.4915283 10.694092 0.0003542
drugD-1time    9.57920  5.4779183 13.680482 0.0000003
drugE-1time   15.16555 11.0642683 19.266832 0.0000000
4times-2times  3.14981 -0.9514717  7.251092 0.2050382
drugD-2times   6.13620  2.0349183 10.237482 0.0009611
drugE-2times  11.72255  7.6212683 15.823832 0.0000000
drugD-4times   2.98639 -1.1148917  7.087672 0.2512446
drugE-4times   8.57274  4.4714583 12.674022 0.0000037
drugE-drugD    5.58635  1.4850683  9.687632 0.0030633


#进行可视化
par(las=2)   #旋转轴标签
par(mar=c(5,8,4,2))    #增大左边界的面积
plot(TukeyHSD(fit))

其中置信区间包含0说明差异并不显著。

利用multcomp包进行多重检验更为全面(并没感觉很好用)。

library(multcomp)

par(mar=c(5,4,6,2))
tuk <- glht(fit,linfct=mcp(trt="Tukey"))
plot(cld(tuk,level = 0.5),col="lightgrey")

在单因素方差分析中,我们假设数据服从正态分布,各组方差相等。可以使用Q-Q图来检验正态性假设。

#用Q-Q图进行正态性假设检验
library(car)
qqPlot(lm(response ~ trt, data = cholesterol),
       simulate=TRUE, main="Q-Q Plot", labels=FALSE)

可见数据落在95%置信区间内,满足正态性假设。

接下来进行各组的方差齐整性检验,原假设是方差没有显著不同。

#方差齐整性检验
bartlett.test(response ~ trt, data = cholesterol)


	Bartlett test of homogeneity of variances

data:  response by trt
Bartlett's K-squared = 0.57975, df = 4, p-value = 0.9653

方差齐整性对离群点很敏感,利用car包的outlierTest()函数可以用来检测离群点:

> #离群点检测
> outlierTest(fit)


No Studentized residuals with Bonferonni p < 0.05
Largest |rstudent|:
   rstudent unadjusted p-value Bonferonni p
19 2.251149           0.029422           NA


#从输出结果来看并没有离群点

单因素协方差分析

单因素协方差分析对单因素分析进行了扩展,包含一个或多个定量的协变量。

> data(litter,package="multcomp")
> attach(litter)
> table(dose)

dose
  0   5  50 500 
 20  19  18  17 

> aggregate(weight,by=list(dose),FUN=mean)

  Group.1        x
1       0 32.30850
2       5 29.30842
3      50 29.86611
4     500 29.64647

> fit <- aov(weight ~ gesttime + dose)
> summary(fit)

            Df Sum Sq Mean Sq F value  Pr(>F)   
gesttime     1  134.3  134.30   8.049 0.00597 **
dose         3  137.1   45.71   2.739 0.04988 * 
Residuals   69 1151.3   16.69                   
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

使用effects包的effect()函数获得调整之后的组均值。

> #获得去除协变量效应之后的组均值
> library(effects)


> effect("dose",fit)


 dose effect
dose
       0        5       50      500 
32.35367 28.87672 30.56614 29.33460 

R语言——方差分析 一、方差分析的基本概念 方差分析是在20世纪20年代发展起来的一种统计方法,它是由英国统计学家费希尔在进行实验设计时为解释实验数据而首先引入的。 从形式上看,方差分析是比较多个总体的均值是否相等;但是其本质上是研究变量之间的相互关系。方差分析主要用于研究一个数值因变量与一个或多个分类自变量的关系。 根据方差分析的计算方法给方差分析下一个定义: 方差分析(analysis of v... 阅读详情

相关推荐

R语言方差分析ANOVA

I. 单因素方差分析#用data frame的格式输入数据 medicine <- data.frame( Response=c(7,5,3,1,6,5,3,3,7,9,9,9,4,3,4,3), Treatment=factor(c(rep(1,4),rep(2,4),rep(3,4),rep(4,4))) ) #各组样本大小 table(medicine$Treat

Tiaaaaa的博客 7万+

R语言基础数据分析—单因素方差分析

有了试验数据,我们就需要进行数据的处理与分析,而在试验设计中,通常分为单因素试验或者双因素试验。试验中要考察的指标称为试验指标,影响试验指标的条件称为因素,因素所处的状态称为水平,若试验中只有一个因素改变则称为单因素试验,若有两个因素改变则称为双因素试验,若有多个因素改变则称为多因素试验。方差分析就是对试验数据进行分析,检验方差相等的多个正态总体均值是否相等,进而判断各因素对试验指标的影响是否显著,根据影响试验指标条件的个数可以区分为单因素方差分析、双因素方差分析和多因素方差分析。 在进行数据分析之前,我

m0_61206827的博客 2万+

R语言差异检验:单因素方差分析

文章目录@[toc]方差分析介绍适用条件分类R语言单因素方差分析示例数据集示例多重比较评估检验的假设条件 t检验可以解决单样本、双样本时的均数比较。当要比较的组多于两个时,t检验方法就难以满足这种需求,此时就需要使用方差分析来进行参数检验。 它比较的是组间差异。 方差分析介绍 方差分析(Analysis of Variance,简称ANOVA),又称“变异数分析”,是R.A.Fisher发明的,...

tidyss 9440

R语言基础 | 方差分析(1):单因素方差分析

专注系列化、高质量的R语言教程推文索引 | 联系小编 | 付费合集方差分析(Analysis of Variance, ANOVA)于1918年由Ronald Fisher(也是F分布的提出者)提出,用于比较多组样本的均值是否存在显著差异,是t检验的拓展。本篇来介绍单因素方差分析,目录如下:1 单因素方差分析1.1 学生t检验和Welch t检验1.2 单因素方差分析1.3 aov函数1.4 单因...

R语言学堂 4059

R语言学习笔记7_方差分析

目录七、方差分析7.1 单因子方差分析7.1.1 数学模型方差分析表7.1.2 均值的多重比较多重 t 检验方法==差异显著与显著差异的区分====置信区间的易混淆==7.1.3 同时置信区间:Tukey法7.1.4 方差齐性检验Barlett检验Levene检验注意7.2 双因子方差分析7.2.1 无交互作用的方差分析7.2.2 有交互作用的方差分析7.3 协方差分析 七、方差分析 方差分析的主要工作就是将观测数据的总变异按照变异原因的不同分解为因子效应与试验误差,并对其做出数量分析,比较各种原因在总变异

skye_s_的博客 7423

基于R语言的方差分析

1、导入相关的包 单因素方差分析 一、正态性检验 with(ToothGrowth, tapply(len, dosef, shapiro.test)) 二、方差齐性检验 三组以上的因子需要用leveneTest()检验 leveneTest(len~dosef, ToothGrowth) 不过有一些教材认为应该用残差来检验正态性和方差齐性 因此这里需要进行一次方差分析 AOV1 <- aov(len~dosef, ToothGrowth) summary(AOV1) 这里面的Residuals就

Kobe123brant的博客 4186

R语言方差分析总结

完美观看体验请至公众号查看本文。,专注R语言在临床医学中的使用,R语言数据分析和可视化。

医学和生信笔记的博客 4874

在r中弄方差分析表_使用R语言进行单因素方差分析

1、方差分析的基本概念方差分析(Analysis of Variance, ANOVA),由英国统计学家费雪(Ronald Aylmer Fisher)于1920年前后提出,最初主要应用于生物和农业田间试验,后来推广到各个领域。它直接对多个总体的均值是否相等进行检验。方差分析能够解决多个均值是否相等的检验问题。方差分析是要检验各个水平的均值是否相等,采用的方法是比较各水平的方差。如研究不同的销售点...

weixin_30119911的博客 5727

在r中弄方差分析表_R语言——方差分析

一、方差分析的基本概念方差分析是在20世纪20年代发展起来的一种统计方法,它是由英国统计学家费希尔在进行实验设计时为解释实验数据而首先引入的。从形式上看,方差分析是比较多个总体的均值是否相等;但是其本质上是研究变量之间的相互关系。方差分析主要用于研究一个数值因变量与一个或多个分类自变量的关系。根据方差分析的计算方法给方差分析下一个定义:方差分析(analysis of variance ,ANOV...

weixin_36243739的博客 4190

R语言实现方差分析

方差分析对数据的要求:满足正态性(来自同一正态总体)和方差齐性(各组方差相等),在这两个条件下,若各组有差异,则只可能是来自影响因素的不同水平。 用aov()函数进行方差分析,基本格式为: aov(formula, data=NULL, projections=FALSE, qr=TRUE, contrasts=NULL, …) 其中,formula为方差分析公式; data为数据框; pro...

hua_chang的博客 5219

R语言实战笔记--第九章 方差分析

R语言实战笔记–第九章 方差分析标签(空格分隔): R语言 方差分析术语  组间因子,组内因子,水平:组间因子和组同因子的区别是,组间因子对所有测试对象进行分组,而组内因子则把所有测试对象归为同一组,水平则是因子的分类值   单因素方差分析,多因素方差分析,协方差分析,多元方差分析,协变量:单因素,多因素都是一元方差分析,只有一个因变量(y),协方差分析也是,多元就是有多个因变量,协变量的意思其实

Sevan_Li的博客 9649

菜鸟学R语言(方差分析)

方差分析 "克服懒惰,坚持更新!" 提到方差分析(Analysis of Variance),简写为ANOVA,相信只要接触过统计学或者有过科研经历的小伙伴们对此不会陌生。之前我更多的是使用SPSS来操作,那么怎么用R语言来实现呢? 首先,我们先来看一下方差分析的前提假设: 样本数据独立 每组数据的总体服从正态分布 每组数据方差齐性 我的第一篇博客介绍了T检验,其前提假设也是以上三条,事实上,二者在某些情况下是等价的,比如独立样本T检验(两组数据)和方差分析。下面重点介绍单因素方差分析和多因素方差分析

weixin_45331620的博客 5357

R语言报告 单因素方差分析

R语言课程论文目录R语言课程论文 目录 绪论 1 课程实习简介 11 课程实习要求 12 课程题目 13 课程实习任务 14 课程实习目标 程序设计层次及说明展示 1 数据录入 2 转化为数据框 3 数据融化和冗杂数据处理 4 数据分析 5 初步结论 6 正态性检验 61 Q-Q图 62 其他方法 7 方差齐性检验 8 各组均值差异 81 TukeyHSD函数的杜奇检验 82 其他方法 9 结论 1

sinat_39364841的博客 9488

机器学习 | R语言中的方差分析汇总

方差分析,是统计中的基础分析方法,也是我们在分析数据时经常使用的方法。下面我总结一下R语言如何对常用的方差分析进行操作。 1. 方差分析的假定 上面这个思维导图,也可以看出,方差分析有三大假定:正态,独立和齐次,如果不满足,可以使用广义线性模型或者混合线性模型,或者广义线性混合模型去分析。 本次我们的主题有: 2. 数据来源 这里,我们使用的数据来源于R包agridat,它是讲农业相关的论文,书籍中相关的数据收集在了一起,更加符合我们的背景。 包的下载地址:https://cran.r-project.

邓飞----育种数据分析之放飞自我 5917

使用R语言进行单因素方差分析

使用R语言进行单因素方差分析单因素方差分析(One-Way ANOVA)是一种用于比较三个或以上组别之间均值是否存在显著差异的统计方法。在R语言中,可以使用函数执行单因素方差分析。本文将详细介绍如何使用R语言进行单因素方差分析,并提供相应的源代码示例。

TechPulseZ的博客 1326

R语言单因素方差分析(One-Way ANOVA)实战:探索性数据分析(EDA)、单因素方差分析模型结果解读(检查模型假设)、分析不同分组的差异TukeyHSD、单因素方差分析的结果总结

R语言单因素方差分析(One-Way ANOVA)实战:探索性数据分析(EDA)、单因素方差分析模型结果解读(检查模型假设)、分析不同分组的差异TukeyHSD、单因素方差分析的结果总结 目录 R语言单因素方差分析(One-Way ANOVA)实战:探索性数据分析(EDA)、单因素方差分析模型结果解读(检查模型假设)、分析不同分组的差异TukeyHSD、单因素方差分析的结果总结 #单因素方差分析(One-Way ANOVA) #仿真数据 #探索性数据分析(使用dplyr包计算不同分组的方差和均

data+scenario+science+insight 1万+

【R语言】方差分析

在R语言以及更广泛的统计学领域中,方差分析(ANOVA,即Analysis of Variance)是一种用于比较两个或更多组数据的均值是否存在显著差异的统计方法。可以使用aov()函数或其他相关函数(如anova())来执行方差分析.下面是方差分析中的一些基本术语定义:

lemon9597的博客 1550

【2023】Java利用modbus4j实现工业设备Modbus TCP数据采集与解析

本文详细介绍了在2023年使用Java和modbus4j库实现工业设备Modbus TCP数据采集与解析的完整实践。内容涵盖开发环境搭建、TCP连接建立、开关量与模拟量数据的读取与解析、批量读取性能优化、控制指令写入以及常见错误排查指南,为开发者构建稳定高效的工业物联网数据采集系统提供全面指导。

rose2的博客 723

R语言做单因素方差分析及其结果呈现

单因素方差分析及其结果呈现——R语言 一、数据录入 表1 不同药剂处理的种子发芽率(%) 重复 A B C 1 85 80 55 2 80 70 65 3 91 75 49 4 82 65 52 5 90 60 60 6 78 65 50 ...

weixin_43566022的博客 2万+

Qt快速读取Excel文件

网上很多读取方式都是如下形式,太慢了,打开文件+读取文件要6s以上,实在是受不了! QAxObject excel("Excel.Application"); excel.setProperty("Visible", false); QAxObject *work_books = excel.querySubObject("WorkBooks"); work_boo...

c+c++的博客 2万+

2026年3月GESP真题及题解(C++七级): 选择题和判断题(题解)

2026年3月GESP真题及题解(C++七级): 选择题和判断题(题解)

王老师青少年编程 995
上一篇: 基于softmax的mnist数字识别
下一篇: R语言基础包中的绘图函数——快速用R探索数据
沉住气CD
博客等级 码龄9年 547粉丝 110原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值