我正在分析carData包中的摩尔数据集,我想看看partner.status是否会影响一致性。
set.seed(200)
library(carData)
library(ggplot2)
然后使用ggplot
,我使用boxplot绘制了这两个变量。
ggplot(data = Moore, aes (x = partner.status, y = conformity )) +
geom_boxplot()
该图仅说明具有高状态的人具有高一致性响应,而具有低状态的人具有较低的中位数一致性响应。
问:如何证明partner.status影响从众行为的证据?我必须使用哪些统计方法?
发布于 2019-06-03 01:12:46
Boxplot是一个很好的开始,它让你知道你应该期待什么样的结果。
现在,您需要找出数据是否为正态分布(shapiro.test(Moore$conformity))
),以及是否具有同方差(fligner.test(Moore$conformity ~ Moore$partner.status)
被partner.status读取为一致性)。您可以阅读有关p值here的内容,并得出结论。
还有许多其他的测试,这两个测试对于这个目的来说是相当健壮的。
现在,假设你有正态性和同方差,你可以做t检验。如果你有正态性和异方差,你可以做oneway.test。如果你没有正态性,你可以使用Kruskal-Wallis检验。
现在,分析其中一个测试的输出,你可以拒绝或不拒绝相等均值的假设。
发布于 2019-06-03 01:17:13
您有两个合作伙伴状态组(低和高)。一致性是一个连续的因变量。我建议使用独立样本t检验。
检查并确保您没有违反任何假设。
相关信息:https://statistics.laerd.com/statistical-guides/independent-t-test-statistical-guide.php
https://stackoverflow.com/questions/56416938
复制相似问题