读取数据

library(tidyverse)
library(readxl)
data2 <- readxl::read_xlsx("C:\\Users\\zhang\\Desktop\\小白菜试验数据.xlsx",sheet="Sheet3")str(data2)

数据结构

正态检验

data2_baicai <- data2%>%filter(Species=="小白菜")
##定性检验
qqPlot(lm(data2_baicai$Wet_weight~data2_baicai$Treatment))
qqPlot(lm(log(data2_baicai$Wet_weight)~data2_baicai$Treatment)) ##log转化
##定量检验
shapiro.test(residuals(lm(data2_baicai$Wet_weight~data2_baicai$Treatment)))shapiro.test(residuals(lm(log(data2_baicai$Wet_weight)~data2_baicai$Treatment)))  ##log转化

原数据残差正态检验

定性

定量

log转化后正态检验
定性

定量

方差齐性检验

bartlett.test(log(data2_baicai$Wet_weight),data2_baicai$Treatment)

单因素方差分析

library(multcomp) ##方差分析包par(mar=c(4,4,7,4))  ##调整图形大小data2_baicai$Treatment <- as.factor(data2_baicai$Treatment) ##将数据类型的处理改为因子类型
fit <- aov(log(Wet_weight)~Treatment,data2_baicai) ##方差分析
summary(fit)  ## 方差分析结果

多重比较

plot(cld(glht(fit, linfct=mcp(Treatment="Tukey")),level = 0.05,col="lightgrey"))  ##多重比较图形化，这里使用Tukey检验

作图

library(sciplot) ##计算标准误的包
data2_baicai$Treatment <- factor(data2_baicai$Treatment,levels = c("CK","1.25","2.5","5","10"))##改变x轴坐标顺序data2_baicai%>%group_by(Treatment)%>%summarise(mean=mean(Wet_weight),se=se(Wet_weight))%>%  ##分组计算平均值和标准误mutate(labels=c("b","b","b","b","a"))%>% ##添加显著性标记到数据中ggplot()+geom_col(aes(x=Treatment,y=mean))+ ##画柱状图geom_errorbar(aes(x=Treatment,ymin=mean-se,ymax=mean+se),width=0.2)+  ##添加误差线labs(x="处理",y="鲜重")+  ##更改xy轴的名称geom_text(aes(x=Treatment,y=mean+se,label=labels,vjust = -0.5, hjust = "center"))+  ## 添加显著性标记到图形中ylim(0,0.08)+  ## 设置y轴的范围theme_test()  ##  设置图形主题

R中单因素方差分析与作图相关推荐

R语言使用aov函数进行双因素方差分析（Two-way factorial ANOVA）、使用HH包中的interaction2wt函数为任何阶的双因素方差分析可视化主效应和交互作用图、箱图显示主效应
R语言使用aov函数进行双因素方差分析(Two-way factorial ANOVA).使用HH包中的interaction2wt函数为任何阶的双因素方差分析可视化主效应和交互作用图(Main ef ...
R语言使用aov函数进行双因素方差分析（Two-way factorial ANOVA）、在双因素方差分析中，受试者被分配到由两个因素交叉分类形成的组（Two-way factorial ANOVA）
R语言使用aov函数进行双因素方差分析(Two-way factorial ANOVA).在双因素方差分析中,受试者被分配到由两个因素交叉分类形成的组(Two-way factorial ANOVA) ...
R语言使用aov函数进行双因素方差分析（Two-way factorial ANOVA）、使用interaction.plot函数在双因素方差分析中可视化交互作用（Interaction）
R语言使用aov函数进行双因素方差分析(Two-way factorial ANOVA).使用interaction.plot函数在双因素方差分析中显示(可视化)交互作用(Interaction) 目 ...
R语言多因素方差分析及评估假设检验
R语言多因素方差分析及评估假设检验条件: 各个样本是相互独立的随机: 各个样本来自正态总体: 具有方差齐性: 用途: 检验两个或多样本均数间的差异有无统计学意义:注:本均数的比较可以采用 t检验或 ...
R语言双因素方差分析
R语言双因素方差分析条件: 各个样本是相互独立的随机: 各个样本来自正态总体: 具有方差齐性: 用途: 检验两个或多样本均数间的差异有无统计学意义:注:本均数的比较可以采用 t检验或 F检验,两个以 ...
r语言中的多因素方差分析_R中的因素
r语言中的多因素方差分析 In this tutorial, we'll move on to understanding factors in R programming. One operatio ...
R语言和医学统计学（5）：多因素方差分析
本文首发于公众号:医学和生信笔记,完美观看体验请至公众号查看本文. 医学和生信笔记,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. 文章目录前言 2 x 2 两因素析因设计资料的方差分析 I ...
R语言基础 | 方差分析（2）：多因素方差分析（上）
专注系列化.高质量的R语言教程推文索引 | 联系小编 | 付费合集当存在两个及以上的分组变量时,可以使用多因素方差分析(N-way ANOVA.Multifactor ANOVA)检验各组的样本 ...
R语言统计篇：双因素方差分析
今天介绍双因素方差分析(Two-way ANOVA). 此方法用于检验两个分类变量(自变量)与一个连续变量(因变量)之间的关系. 比方说,如果一个分类变量有两个组别,另外一个分类变量有三个组别,那么一 ...

R中单因素方差分析与作图

目录

读取数据

正态检验

方差齐性检验

单因素方差分析

多重比较

作图

R中单因素方差分析与作图相关推荐

最新文章

热门文章