Làm thế nào để phân tích các biến đổi dữ liệu trong các mô hình với R - núm vú

Một phân tích biến thể (ANOVA) là một kỹ thuật rất phổ biến được sử dụng với R để so sánh các phương tiện giữa các nhóm dữ liệu khác nhau. Để minh họa điều này, hãy xem dữ liệu của InsectSpray: >> str (InsectSprays) '. khung ': 72 obs. của 2 biến: $ count: num 10 7 20 14 14 12 10 23 17 20 … $ phun: Yếu tố với 6 cấp độ "A", "B", "C", "D", …: 1 1 1 1 1 1 1 1 1 1 …

Tập dữ liệu này chứa kết quả của một thí nghiệm nông nghiệp. Sáu loại thuốc trừ sâu đã được thử nghiệm trên 12 cánh đồng, và các nhà nghiên cứu tính số lượng các con bọ gậy vẫn còn trên mỗi cánh đồng. Bây giờ người nông dân cần biết liệu thuốc trừ sâu có tạo ra sự khác biệt nào không, và nếu có thì loại thuốc nào họ sử dụng tốt nhất. Bạn trả lời câu hỏi này bằng cách sử dụng hàm aov () để thực hiện ANOVA.

Làm thế nào để xây dựng mô hình

Ví dụ đơn giản này, xây dựng mô hình là một miếng bánh. Bạn về cơ bản muốn mô hình các phương tiện cho tính biến như là một chức năng của phun xịt. Bạn dịch nó sang R như sau: >> AOVModel <- aov (count ~ spray, data = InsectSprays)

Bạn truyền hai đối số cho hàm aov () trong dòng mã này:

Số công thức ~ phun, được coi là "tính như là một chức năng của phun"

• Mỗi hàm mô hình trả về một đối tượng mô hình với rất nhiều thông tin về mô hình được trang bị. Luôn đặt đối tượng mô hình này trong một biến. Bằng cách này bạn không cần phải làm lại mô hình khi bạn cần thực hiện tính toán bổ sung.

  Cách xem đối tượng mô hình

• Như với mọi đối tượng, bạn có thể nhìn vào một đối tượng mô hình bằng cách gõ tên nó trong bảng điều khiển. Nếu bạn làm điều đó cho mô hình đối tượng mà bạn đã tạo, bạn sẽ thấy kết quả sau:

>> AOVModel Call: aov (công thức = count ~ phun, dữ liệu = InsectSprays) Điều khoản: phun Số còn lại Tổng của hình vuông 2668. 833 1015. 167 Deg. của tự do 5 66 Sai số còn sót lại: 3. 921902 Các hiệu ứng ước tính có thể bị mất cân bằng

Điều này không cho bạn biết rằng nhiều, ngoài lệnh (hoặc

gọi

) bạn đã sử dụng để xây dựng mô hình và một số thông tin cơ bản về kết quả phù hợp.

Trong đầu ra, bạn cũng đọc rằng các hiệu ứng ước tính có thể không cân bằng. Đây không phải là một cảnh báo - đó là một thông điệp được xây dựng bởi tác giả của hàm aov (). Điều này có thể bật lên trong hai tình huống:

Bạn không có cùng một số trường hợp trong mỗi nhóm. Bạn không đặt đối nghịch trực giao. Trong trường hợp này, đó là lý do thứ hai.