Quick-R ANOVA
R en action se développe de manière significative sur ce matériau. Utilisez le code promo ria38 pour une réduction de 38%.
1. Mettre en place un modèle
Dans les exemples de lettres minuscules suivantes sont des variables numériques et les lettres majuscules sont des facteurs.
# Randomized Bloc Design (B est le facteur de blocage)
en forme <- aov(y
A + B, data = mydataframe)
# Two Way factoriel
en forme <- aov(y
A + B + A: B, = données mydataframe)
en forme <- aov(y
A * B, data = mydataframe) # même chose
# Analyse des Covariance
en forme <- aov(y
A + x, data = mydataframe)
Pour les sujets dans des conceptions, la trame de données doit être réarrangé de telle sorte que chaque mesure sur un sujet est une observation distincte. Voir R et analyse de la variance.
# Un facteur intérieur
en forme <- aov(y
# Deux facteurs Dans W1 W2, deux entre les facteurs B1 B2
en forme <- aov(y
2. Regardez Parcelles de diagnostic
parcelles de diagnostic fournissent des chèques hétéroscédasticité, la normalité et observerations influents. agencement (matrice (c (1,2,3,4), 2,2)) # agencement facultatif
terrain (ajustement) # parcelles de diagnostic
3. Évaluer les effets du modèle
test = "F") # type III Tests SS et F
comparaisons multiples
Vous pouvez obtenir des tests Tukey HSD en utilisant la fonction ci-dessous. Par défaut, il calcule les comparaisons post hoc sur chaque facteur dans le modèle. Vous pouvez spécifier des facteurs spécifiques en option. Encore une fois, rappelez-vous que les résultats sont basés sur le type I SS!
# Tukey Différences significatives Honnêtement
TukeyHSD (ajustement) # où en forme vient de AOV ()
Résultats visualisant
# Interaction bidirectionnelle Plot
attach (mtcars)
engrenage <- factor(gears)
cyl <- factor(cyl)
interaction.plot (cyl, engrenages, MPG, type = "b", col = c (1: 3),
leg.bty = "o", leg.bg = "beige", lwd = 2, pch = c (18,24,22),
xlab = « Nombre de cylindres »,
ylab = "Mean Miles Per Gallon",
principale = "Terrain d'interaction")
# Terrain avec Signifie Barres d'erreur
bibliothèque (gplots)
attach (mtcars)
cyl <- factor(cyl)
plotmeans (mpg
cyl, xlab = "Nombre de cylindres",
ylab = "Miles Per Gallon", principale = "Plot moyenne \ navec IC à 95%")
A * B pour l'effet de type III B et y
B * A pour le type III Un effet.
Aller plus loin
R dispose d'excellentes installations pour le montage linéaire et généralisés modèles linéaires à effets mixtes. Le lastest implimentation est dans le paquet lme4. Voir la R Nouvelles Article sur les modèles linéaires mixtes de montage en R pour plus de détails.