R语言基础数据分析——双因素方差分析
双因素方差分析(Double factor variance analysis) :拥有二个自变量(A,B),一个因变量(C);双因素方差分析有两种类型:一个是无交互作用的双因素方差分析,它假定A和B对C的效应之间是相互独立的,不存在相互关系;另一个是有交互作用的双因素方差分析,它假定A和B的结合会对C产生出一种新的效应。
试验:通过施不同的氮肥(A)和不同浓度梯度(B),来研究对植物幼苗生长二个月的重量(C)影响。
氮肥有两个组别(treatment):硝态氮(XI),铵态氮(AN)。
浓度梯度有三个组别(concentration): 0.5、1、1.5。(试验数据资源放在了文章末尾,大家也可以对比我的试验,使用自己的数据)
一,数据的查看与处理
library(readxl)
EX <- read_excel("C:/Users/lenovo/Desktop/EX.xlsx")
View(EX)
head(EX)
str(EX)
可以看到weight和concentration为数值型变量,treatment为字符型变量。
双因素变量的变量需要为分类变量factor,所以我们进行变量类型转换。
EX$treatment<-as.factor(EX$treatment)
EX$concentration<-as.factor(EX$concentration)
str(EX)
利用table查看现在的样本分组状况。
table(EX$treatment,EX$concentration)
二,进行双因素方差分析
使用summary()和aov()函数进行双因素方差分析。
(1)不考虑交互作用的双因素方差分析。
这里原假设是:使用不同的氮肥不会对植物生长二个月的重量产生影响,使用不同浓度梯度的氮肥不会对植物生长二个月的重量产生影响。
aov1<-aov(weight~treatment+concentration,data=EX)
summary(aov1)
这里可以看见,p小于0.05,即拒绝原假设。使用不同的氮肥和不同浓度梯度的氮肥对植物生长二个月的重量产生了显著影响。
(2)考虑交互作用的双因素方差分析
这里的假设是:使用不同浓度梯度的不同氮肥对植物生长二个月的重量不产生影响。
aov2<-aov(weight~treatment+concentration+treatment*concentration,data=EX)
summary(aov2)
这里也是拒绝原假设,即:使用不同浓度梯度的不同氮肥对植物生长二个月的重量产生了显著影响。
双因素方差分析的内容就这样,这里顺便利用样本数据介绍大家二种箱型图。
三,箱型图介绍
对于样本数据可以通过绘制线型图对不同分布进行比较。
(1)基础版箱型图:barplot()函数
boxplot(weight~treatment,data=EX,main="单个变量")
boxplot(weight~treatment+concentration,data=EX,colour="red",main="两变量的交互作用")
这里可以自行添加一些参数。
(2)高级版箱型图:ggplot()函数
ggplot(EX,aes(treatment,weight))+geom_boxplot(colour="red")
ggplot(EX,aes(treatment,weight,colour=concentration))+geom_boxplot()
试验数据:百度云链接:https://pan.baidu.com/s/1tA0LLVa8NMEJEpo0ZC3nKQ
提取码:8888
在这里提前祝大家元旦快乐,学业有成,新的一年也能幸福快乐。
end~
R语言基础数据分析——双因素方差分析相关推荐
- 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 ...
- Python玩转数据分析——双因素方差分析
概念 方差分析(Analysis of Variance,简称ANOVA),又称"变异数分析"或"F检验",用于两个及两个以上样本均数差别的显著性检验.双因素方 ...
- 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 ...
- 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 ...
最新文章
- Lintcode107 Word Break solution 题解
- 说说设计模式~组合模式(Composite)
- Win:如何查看自己的电脑是否通过代理服务器进行上网
- 找回root密码--Mysql5.6.36
- volley用法之 以post方式发送 json 参数
- C/C++ 函数指针调用函数
- jremind V0.1.3.0添加透明
- 论文阅读笔记(三)【ACL 2021】Locate and Label: A Two-stage Identifier for Nested Named Entity
- arch linux 安装xfce_华为荣耀Magicbook安装Manjaro系统指北
- Linux 增加swap空间大小
- python open函数encoding_关于python内open函数encoding编码问题
- thinkphp php6,ThinkPHP6 任意文件操作漏洞分析
- 网络安全学习--WEB服务器
- 图库网站Unsplash高清原图爬虫
- 国有资产综合管理平台需求分析
- 移动前端开发和web前端开发的区别
- 英语学术论文写作概述
- Spring Cloud - 熔断(Hystrix)
- Shaolin - HDU 4585 - 树堆
- jQuery第5章上机练习3(使用jQuery变换网页效果)
热门文章
- 全国面向小学五六年级及初一的舞蹈方向的艺术学校舞蹈学校整理
- Manjaro 安装搜狗输入法
- SQL语句中查询数据
- mysql设计一个网上购物系统_基于PHP和MySQL的网上购物系统设计与实现
- 腾讯云搭建Socks5多IP代理服务器实现游戏单窗口单IP完美搭建教程附带工具
- UE源码版本下载编译全流程
- 卡巴斯基蓝屏解决方案
- MAC系统/虚拟机中的chm打不开
- 计算机四则运算的原理,计算机组成原理第九讲(除法-补码运算规则及浮点四则运算)(科大罗克露)...
- 罗克露计算机组成原理书籍,计算机组成原理完整版罗克露全原版.ppt