手把手教你R语言方差分析ANOVA
原创手把手教你R语言方差分析ANOVA
原创
欢迎大家关注全网生信学习者系列：
- WX公zhong号：生信学习者
- Xiao hong书：生信学习者
- 知hu：生信学习者
- CDSN：生信学习者2
介绍
方差分析（ANOVA）是一种统计方法，用于比较两组或多组数据之间的均值差异。在R语言中，实现方差分析主要涉及到以下步骤：
- 数据导入
- 数据清洗
- ANOVA计算
- 结果解析
- ANOVA评估
首先，你需要一个数据集，其中包含至少一个分类变量（通常是因子类型）和一个或多个数值型变量。这些数值型变量是你要分析的目标，而分类变量则用于将数据分成不同的组。
如果你的数据已经存储在一个外部文件中（如CSV、Excel或RData），你需要使用适当的R函数（如read.csv(), readxl::read_excel(), load()等）将其加载到R环境中。然后，你可以使用head(), tail(), summary(), str()等函数来查看数据的结构和内容。
在进行方差分析之前，你可能需要对数据进行一些预处理，例如处理缺失值（使用na.omit(), na.exclude(), na.fill()等函数）、转换数据类型（使用as.factor(), as.numeric()等函数）或进行变量选择（使用子集选择或dplyr包的select()函数）。
在R中，你可以使用aov()函数来执行方差分析。这个函数需要一个公式，该公式描述了你要分析的数值型变量和分类变量之间的关系。
step1: 安装R包
install.packages(c("ggplot2", "ggpubr", "tidyverse"))step2: 载R包
library(tidyverse) # 数据预处理R包
library(readxl) # 读取xlsx数据R包
library(ggpubr) # 画图R包step3: 导入数据
- 随机生成数据
data <- data.frame(D = c(rep("A", 4), rep("B", 4), rep("C", 4), rep("D", 4), rep("E", 4), rep("F", 4)),
RR = c(80,83,83,85,75,75,79,79,74,73,76,77,67,72,74,74,62,62,67,69,60,61,64,66))- 存储数据
write.table(data, file = "data.txt", sep = "\t", quote = F, row.names = F)
xlsx::write.xlsx(data, file = "data.xlsx", row.names = F)- txt数据格式
data <- read.table("data.txt", header = T)- xlsx数据格式
data <- read_xlsx("data.xlsx", sheet = 1)step4: 数据清洗
- 筛选数据：丢弃A组数据
data_drop <- data %>%
dplyr::filter(D != "A")#%>%
#dplyr::mutate(Test = "test")
head(data_drop)
- 数据平均值和其他指标
data %>%
group_by(D) %>%
summarise(N=n(),
Means=mean(RR),
SS=sum((RR - Means)^2),
SD=sd(RR),
SEM=SD/N^.5)
- 展示数据： boxplot
ggboxplot(data_drop,
x = "D",
y = "RR",
color = "D",
ylab = "RR", xlab = "D")
step5: 单因素方差分析
- one-way ANOVAs: 使用aov函数运行单因素方差分析 (公式是：Y是检验变量，X是分组变量)；
- 再使用summary函数获取单因素方差分析的结果。
# Y=RR; X=D
one.way <- aov(RR ~ D, data = data_drop)
summary(one.way)
结果解析：
Residuals是模型的残差，可以理解为截距；Df列显示了自变量的自由度(变量中的水平数减1)和残差的自由度(观察总数减1和自变量中的水平数减1)；Sum Sq列显示平方和(即组均值与总体均值之间的总变化)。；Mean Sq列是平方和的平均值，通过将平方和除以每个参数的自由度来计算；F value列是F检验的检验统计量。这是每个自变量的均方除以残差的均方。F值越大，自变量引起的变化越有可能是真实的，而不是偶然的；Pr(>F)列是F统计量的p值。这表明，如果组均值之间没有差异的原假设成立，那么从检验中计算出的F值发生的概率大小。- 另一种方法：t-test仅仅适合2组比较，因此需要筛选
data_ttest <- data_drop %>%
dplyr::filter(D %in% c("B", "C")) #%>%
#dplyr::filter(RR != 77)
# data_test_filter <- filter(data_drop, D %in% c("B"))
# data_test_filter2 <- filter(data_test_filter, RR != 77)
t.test(RR ~ D, data = data_ttest)
step6: 后置检验
- ANOVA结果仅仅揭示多个组间的差异结果，具体到哪两个组内部差异还需要做后置检验
- 后置检验通常采用
TukeyHD函数
TukeyHSD(one.way)
- 该结果给出每个两组之间的结果;
diff: 两组的均值之差;Lwr, upr: 95%置信区间的下限和上限(默认值) ;P adj: 多次比较调整后的P值。
step7: 检查残差分布是否符合正态分布
- ANOVA比较的是均值，需要每个分组的残差服从正态部分
plot(one.way, 2)
- 采用Shapiro-Wilk对残差进行检验
shapiro.test(x = residuals(object = one.way))
结果显示：残差不显著也即是表明残差服从正态分布，可以采用ANOVA分析方法判断RR在D分组的分布水平。
step8: 方差齐性检验
library(car)
leveneTest(RR ~ D, data = data_drop, center = mean) 
bartlett.test(RR ~ D, data = data_drop) 
总结
方差分析需要注意数据的分布情况，根据分布情况决定是否采样方差分析方法。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。