Schnell-R ANOVA
R in Aktion deutlich erweitert auf dieses Material. Benutzen Sie diesen Gutscheincode ria38 für einen 38% Rabatt.
1. ein Modell Fit
In den folgenden Beispielen Kleinbuchstaben sind numerische Variablen und Großbuchstaben Faktoren sind.
# Randomized Blockbauweise (B ist der Sperrfaktor)
passen <- aov(y
A + B, data = mydataframe)
# Two Way Faktoriellen
passen <- aov(y
A + B + A: B, data = mydataframe)
passen <- aov(y
A * B, data = mydataframe) # gleiche Sache
# Kovarianzanalyse
passen <- aov(y
A + x, data = mydataframe)
Für Probanden innerhalb Designs hat der Datenrahmen neu angeordnet werden, so dass jede Messung an einem Gegenstand eine separate Beobachtung ist. Siehe R und Varianzanalyse.
# One Innerhalb Factor
passen <- aov(y
# Zwei Innerhalb Faktoren W1 W2, zwei zwischen den Faktoren B1 B2
passen <- aov(y
2. Sehen Sie sich Diagnose Plots
Diagnose-Plots bieten Kontrollen für heteroscedasticity, Normalität und einfluss observerations. Layout (matrix (c (1,2,3,4), 2,2)) # optional Layout
Grundstück (fit) # diagnostische Plots
3. Werten Modell-Effekte
test = "F") # Typ III SS und F-Tests
mehrere Vergleiche
Sie können Tukey HSD Tests erhalten die Funktion unten. Standardmäßig berechnet es Post-hoc-Vergleiche auf jedem Faktor im Modell. Sie können bestimmte Faktoren als Option angeben. Wieder denken Sie daran, dass die Ergebnisse auf Typ I SS basiert!
# Tukey ehrlich signifikante Unterschiede
TukeyHSD (fit) # wo fit aus aov kommt ()
Visualizing Ergebnisse
# Zwei-Wege-Interaktion Plot
attach (mtcars)
Getriebe <- factor(gears)
Zyl <- factor(cyl)
interaction.plot (cyl, Getriebe, mpg, type = "b", col = c (1: 3),
leg.bty = "o", leg.bg = "beige", LWD = 2 PCH = C (18,24,22),
xlab = „Anzahl der Zylinder“,
YlaB = "Mean Meilen pro Gallone",
main = "Interaktion Plot")
# Plot Mittel mit Fehlerbalken
Bibliothek (gplots)
attach (mtcars)
Zyl <- factor(cyl)
plotmeans (mpg
Zyl, xlab = „Anzahl der Zylinder“,
YlaB = "Meilen pro Gallone", main = "Plot \ Nwith 95% CI Mean")
A * B für den Typ III B-Effekt und y
B * A für den Typ-III-A-Effekt.
Weitergehen
R verfügt über ausgezeichnete Einrichtungen für die Montage linearen und verallgemeinerten linearen Mixed-Effects-Modelle. Die neueste implimentation ist im Paket lme4. Siehe die R News-Artikel auf Fitting Gemischte lineare Modelle in R für weitere Einzelheiten.