Πώς να αναλύσετε τις διακυμάνσεις των δεδομένων σε μοντέλα με R-dummies

Μια ανάλυση της διακύμανσης (ANOVA) είναι μια πολύ κοινή τεχνική που χρησιμοποιείται με την R για σύγκριση των μέσων διαφορετικές ομάδες δεδομένων. Για να το απεικονίσετε, ρίξτε μια ματιά στο σύνολο δεδομένων InsectSpray: >> str (InsectSprays). frame ': 72 obs. από 2 μεταβλητές: $ count: num 10 7 20 14 14 12 10 23 17 20 … $ σπρέι: Παράγοντας w / 6 επίπεδα "A", "B", "C", "D", …: 1 1 1 1 1 1 1 1 1 1 …

Αυτό το σύνολο δεδομένων περιέχει τα αποτελέσματα ενός γεωργικού πειράματος. Έξι εντομοκτόνα δοκιμάστηκαν σε 12 πεδία, και οι ερευνητές μέτρησαν τον αριθμό των ενοχλητικών σφαλμάτων που παρέμειναν σε κάθε πεδίο. Τώρα οι αγρότες πρέπει να γνωρίζουν αν τα εντομοκτόνα έχουν κάποια διαφορά και, εάν ναι, ποια από αυτές χρησιμοποιούν καλύτερα. Απαντάτε σε αυτή την ερώτηση χρησιμοποιώντας τη λειτουργία aov () για να εκτελέσετε μια ANOVA.

Πώς να φτιάξετε το μοντέλο

Για αυτό το απλό παράδειγμα, η κατασκευή του μοντέλου είναι ένα κομμάτι κέικ. Θέλετε ουσιαστικά να μοντελοποιήσετε τα μέσα για τον μεταβλητό αριθμό ως συνάρτηση του μεταβλητού ψεκασμού. Αυτό το μεταφράζετε στο R όπως παρακάτω: >> AOVModel <- aov (count ~ spray, data = InsectSprays)

Πηγαίνετε δύο επιχειρήματα στη συνάρτηση aov () στη γραμμή αυτή:

~ ψεκασμός, ο οποίος διαβάζεται ως "μέτρηση ως συνάρτηση του ψεκασμού"

• Κάθε λειτουργία μοντελοποίησης επιστρέφει ένα αντικείμενο μοντέλου με πολλές πληροφορίες σχετικά με το προσαρμοσμένο μοντέλο. Πάντα βάζετε αυτό το αντικείμενο μοντέλου σε μια μεταβλητή. Με αυτόν τον τρόπο δεν χρειάζεται να επανατοποθετήσετε το μοντέλο όταν χρειάζεται να εκτελέσετε επιπλέον υπολογισμούς.

  Πώς να εξετάσετε το αντικείμενο μοντέλου

• Όπως συμβαίνει με κάθε αντικείμενο, μπορείτε να δείτε ένα αντικείμενο μοντέλου απλά πληκτρολογώντας το όνομά του στην κονσόλα. Αν το κάνετε αυτό για το μοντέλο αντικειμένου που δημιουργήσατε, βλέπετε την ακόλουθη έξοδο:

>> AOVModel Κλήση: aov (τύπος = μέτρηση ~ ψεκασμός, δεδομένα = InsectSprays) Όροι: ψεκασμός υπολείμματα άθροισμα τετραγώνων 2668. 833 1015. 167 Deg. της ελευθερίας 5 66 Υπολειπόμενο τυπικό σφάλμα: 3. 921902 Εκτιμώμενα αποτελέσματα μπορεί να είναι μη ισορροπημένα

Αυτό δεν σας λέει πολύ, εκτός από την εντολή (ή

κλήση

) που χρησιμοποιήσατε για την κατασκευή του μοντέλου ορισμένες βασικές πληροφορίες σχετικά με το αποτέλεσμα της συναρμολόγησης.

Στην έξοδο, διαβάσατε επίσης ότι τα εκτιμώμενα αποτελέσματα ενδέχεται να είναι μη ισορροπημένα. Αυτό δεν είναι μια προειδοποίηση - είναι ένα μήνυμα που έχει ενσωματωθεί από τον συντάκτη της λειτουργίας aov (). Αυτό μπορεί να εμφανιστεί σε δύο περιπτώσεις:

Δεν έχετε τον ίδιο αριθμό περιπτώσεων σε κάθε ομάδα. Δεν έχετε ορίσει ορθογώνιες αντιθέσεις. Στην περίπτωση αυτή, είναι ο δεύτερος λόγος.