写在前面
单因素方差分析是每个做科研的朋友必须学会的一种分析方法,也是数据处理过程中绝对会使用到的分析方法之一,那么,我们用R语言进行单因素方差分析应该如何做呢?今天小编就带大家一起来学习回顾一下。
作者需要您的鼓励,看完之后如果觉得好的话,点赞一下哦!!
注意:学习是一个日积月累的过程,希望你每天都有进步哦!
1、明确目的
我们进行试验设计时,一般都会设置实验组与对照组,比如采用四种不同的方法对某种葡萄酒甜度进行测试,设置一个对照组,每种方法设置四次重复,一共测得20个数据,我们的目的是想要比较这五种方法是否具有差异,差异的显著性能达到多少。
试验所得数据为:
方法 除杂量
A1 25.6 22.2 28.0 29.8 26.4
A2 24.430.029.027.527.7
A3 25.027.723.032.227.0
A4 28.828.031.525.928.6
A5 20.621.222.021.221.3
2、数据准备。
首先转换数据的类型,将其转为带因子类型的数据框格式,然后再进行处理。用R语言处理的代码为:
>mydata
>A
>Y
>my.aov
>summary(my.aov)#显示计算结果
Df Sum Sq Mean Sq F value Pr(>F)
A 4 131.957 32.989 4.3061 0.01618 *
Residuals 15 114.915 7.661
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
结果显示为0.01618 *,p
> boxplot(Y$X~A)#选择Y中的数据X和A进行箱线图可视化
由上图可以看出第五个处理明显与其它组存在差异,处理1与处理3、处理2和4之间差异不明显,而1与2、2与3、3与4、1与4之间也存在差异,只是差异并不明显。
至此,单因素方差分析完毕。
3、单因素方差分析数据准备的另一种方法
首先来看数据在R语言中的类型:
> Y
mydata A
1 25.6 1
222.21
328.01
429.81
524.42
630.02
729.02
827.52
925.03
1027.73
1123.03
1232.23
1328.84
1428.04
1531.54
1625.94
1720.65
1821.25
1922.05
2021.25
领取专属 10元无门槛券
私享最新 技术干货