Bagaimana Menganalisis Variasi Data dalam Model dengan R - dummies

Analisis varians (ANOVA) adalah teknik yang biasa digunakan dengan R untuk membandingkan cara antara kumpulan data yang berlainan. Untuk menggambarkan ini, lihat data InsectSpray dataset: >> str (InsectSprays) 'data. bingkai ': 72 obs. daripada 2 pembolehubah: kiraan jumlah: num 10 7 20 14 14 12 10 23 17 20 … $ semburan: Faktor dengan tingkat 6 "A", "B", "C", "D", …: 1 1 1 1 1 1 1 1 1 1 …

Dataset ini mengandungi hasil percubaan pertanian. Enam insektisida diuji pada 12 bidang masing-masing, dan para penyelidik mengira jumlah pepijat sial yang kekal di setiap bidang. Sekarang para petani perlu tahu sama ada insektisida membuat apa-apa perbezaan, dan jika ya, mana yang mereka gunakan. Anda menjawab soalan ini dengan menggunakan fungsi aov () untuk melakukan ANOVA.

Bagaimana untuk membina model

Untuk contoh mudah ini, membina model itu adalah sekeping kek. Anda pada dasarnya ingin memodelkan cara untuk menghitung pembolehubah sebagai fungsi semburan pembolehubah. Anda menterjemahkannya kepada R seperti ini: >> AOVModel <- aov (count ~ spray, data = InsectSprays)

Anda lulus dua hujah ke fungsi aov () di baris ini:

~ semburan, yang berbunyi sebagai "dikira sebagai fungsi semburan"

• Data argumen, di mana anda menentukan bingkai data di mana pembolehubah dalam formula boleh didapati

  Setiap fungsi pemodelan mengembalikan objek model dengan banyak maklumat mengenai model yang dipasang. Sentiasa letakkan objek model ini dalam pemboleh ubah. Dengan cara ini anda tidak perlu mengubah model apabila anda perlu melakukan pengiraan tambahan.

• Bagaimana untuk melihat objek model

Seperti dengan setiap objek, anda boleh melihat objek model hanya dengan menaip namanya dalam konsol. Jika anda berbuat demikian untuk Model objek yang anda buat, anda dapat melihat output berikut:

>> Panggilan AOVModel: aov (formula = mengira ~ semburan, data = InsectSprays) Syarat: semburan Jumlah Residu Jumlah Sisi 2668. 833 1015. 167 Deg. of Freedom 5 66 Kesilapan standard residual: 3. 921902 Kesan yang dianggarkan mungkin tidak seimbang

Ini tidak memberitahu anda bahawa banyak, selain daripada perintah (atau

panggilan

) yang anda gunakan untuk membina model dan beberapa maklumat asas tentang hasil pemasangan.

Dalam output, anda juga membaca bahawa kesan anggaran mungkin tidak seimbang. Ini bukan amaran - ia adalah mesej yang dibina oleh pengarang fungsi aov (). Ini boleh muncul dalam dua situasi: Anda tidak mempunyai bilangan kes yang sama dalam setiap kumpulan. Anda tidak menetapkan perbezaan ortogonal.

Dalam kes ini, ini sebab kedua.