本文主要是介绍R语言统计分析——重复测量方差分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
参考资料:R语言实战【第2版】
所谓重复测量方差分析,即受试者被测量不止一次。本例使用数据集市co2数据集:因变量是二氧化碳吸收量(uptake),自变量是植物类型(Type)和七种水平的二氧化碳浓度(conc)。Type是组间因子,conc是组内因子。Type已经被存储为一个因子变量,还需要将conc转换为因子变量。分析过程如下:
# 将conc变量转化为因子变量
CO2$conc<-factor(CO2$conc)
# 选择“chilled”处理的数据子集作为分析用数据集
w1b1<-subset(CO2,Treatment=="chilled")
# 方差分析
fit<-aov(uptake~conc*Type+Error(Plant/(conc)),w1b1)
# 查看结果
summary(fit)
# 设置作图参数
par(las=2)
par(mar=c(10,4,4,2))
# 绘图
with(w1b1,interaction.plot(conc,Type,uptake,type="b",col=c("red","blue"),pch=c(16,18),main="Interaction Plot for Plant Type and Concentration"))
# 绘制箱线图
boxplot(uptake~Type*conc,data=w1b1,col=c("gold","green"),main="Chilled Quebec and Mississippi Plants",ylab="Carbon dioxide uptake rate")
本例中方差分析的模型可参考:R语言统计分析——方差分析之ANOVA模型拟合-CSDN博客
本例结论为:在0.01水平下,主效应Type和conc以及交互效应Type×conc都非常显著。由上图可以看出,Quebec的植物比Mississippi的植物二氧化碳的吸收率高,而且随着二氧化碳浓度的升高,差异越来越明显。
注:在处理重复测量设计时,需要用长格式(即因变量的每次测量都要放到它独有的行中)如下:
这篇关于R语言统计分析——重复测量方差分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!