双因子方差分析:R中的双因子ANOVA
来源:互联网 发布:ubuntu libglib 编辑:程序博客网 时间:2024/05/16 18:51
Source: http://www.r-bloggers.com/two-way-analysis-of-variance-two-way-anova-in-r/
单因子方差分析是验证多个群组均值是否相等的非常有用的技术。但一些更复杂的问题这个技术就无能为力了。例如,有时需要考虑变异的两个因子来决定群组之间的平均依赖于群组分类(“zone”),还是第二级需考虑的变量(“block”)。在这个情形中应该使用双因子方差分析(双因子ANOVA)。
我们立刻以一个例子开始,以便于理解这个统计方法。收集的数据组织在双项表(double entry tables)中。
-------------------------------------------------------
公司董事收集了5年的收入(thousand dollars),而每年都统计到每个月份。你想看看收入是依赖于年呢,还是依赖于月份,或者与这两个因素都无关。
理论上,这个问题可以用horizontal ANOVA和vertical ANOVA来解决,以便于验证每年的平均收入是否相同,或者由月份计算的平均收入是否相等。这需要许多计算,因而我们更愿意用双因子ANOVA,能够及时提供结果。这是已统计的收入表,分别由年和月份分类:
首先将数据录入,然后创建月份和年两个维度的因子变量:
revenue = c(15,18,22,23,24, 22,25,15,15,14, 18,22,15,19,21, 23,15,14,17,18, 23,15,26,18,14, 12,15,11,10,8, 26,12,23,15,18, 19,17,15,20,10, 15,14,18,19,20, 14,18,10,12,23, 14,22,19,17,11, 21,23,11,18,14)months = gl(12,5)years = gl(5, 1, length(revenue))
现在就拟合线性模型和产生ANOVA表:
fit = aov(revenue ~ months + years)anova(fit)Analysis of Variance TableResponse: revenue Df Sum Sq Mean Sq F value Pr(>F)months 11 308.45 28.04 1.4998 0.1660years 4 44.17 11.04 0.5906 0.6712Residuals 44 822.63 18.70
这样来解释结果:
不同月份之间差异额显著性为:F=1.4998。这个值比查表值低,并且p-value>0.05。因此我们接受null hypothesis,即根据月份来评估的收入均值都相等,所以变量“月份”在收入上没有影响。
不同年之间差异额显著性为:F=0.5906。这个值比查表值低,并且p-value>0.05。因此我们接受null hypothesis,即根据年来评估的收入均值都相等,所以变量“年”在收入上没有影响。
- 双因子方差分析:R中的双因子ANOVA
- R语言方差分析ANOVA
- R语言中的含一个组间因子和一个组内因子的重复测量方差分析
- R:因子
- R语言中的双因素方差分析
- Kruskal-Wallis单因子方差分析
- R中的因子变量及处理
- 试验设计两因子无交互作用方差分析的r语言代码
- SPSS——方差分析(Analysis of Variance, ANOVA)——多因素方差分析(无重复试验双因素)
- 双因子认证
- 双因子认证
- 因子
- 因子
- R语言中的方差分析
- R语言基础-因子和有序因子
- R语言-因子和有序因子
- R语言-因子和有序因子
- 保护双因子认证体系
- 按返回键,提示是否退出程序
- 第十五周实验报告(一)
- Javascript闭包(Closure)
- 第十五周实验报告(二)
- what is a video encoder?
- 双因子方差分析:R中的双因子ANOVA
- 黑马程序员---浅谈c#中的属性
- 用UITabBarController 做登陆界面
- Java中的main()方法详解
- Code::Blocks使用释疑
- CSS中元素水平居中显示的方法
- 实现一个登录界面跳转到UITabBarController界面
- libjingle源码解析(5)-【PseudoTcp】建立UDP之上的TCP(3):对成块数据流的处理
- servlet3.0 @WebServlet(name="...",urlPatterns={"/..."}) 404错误解决