R语言中重复测量下的方差分析
Posted 生态R学社
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R语言中重复测量下的方差分析相关的知识,希望对你有一定的参考价值。
许多时候,我们实验过程中由于人力物力的限制,导致同一重复的指标并非同一时间测定完成,对于有些对时间较为敏感的指标则会造成较为显著的影响,因此,我们会被要求做重复测量下的方差分析,看看时间的影响下对其结果是否有显著影响。亦或我们对同一块样地进行取样时(例如样方),为了说明自己的样方有代表性,也要使用重复测量下的方差分析说明样方间差异不显著,取的样本有代表性。
数据准备
实现代码
repm <- read.csv(file.choose(),header=T)
fit<-aov(height~treatment*Time+Error(plant/Time),data=repm)
summary(fit)
with(repm,interaction.plot(Time,treatment,height,type = "b",col = c("red","blue"),pch = c(16,18),main="Interaction Plot for treatment and Time"))
boxplot(height~treatment*Time, data = repm,col=(c("gold","green")),main="", ylab="")
出图
从上图可以看出,各时间段的 P<0.01说明各个时间点的数据的差异有统计学意义
从上图可以看出,time*treatment 的 P<0.05说明时间和分组有交互作用说明时间因素的作用随不同的处理的不同而不同
喜欢就关注“生态R学社”
以上是关于R语言中重复测量下的方差分析的主要内容,如果未能解决你的问题,请参考以下文章
R语言Friedman检验实战:Friedman检验是单因素重复测量方差分析的一种非参数替代方法有bonferroni校正的成对Wilcoxon秩和检验进行事后(post hoc)测试分析
R语言aov函数进行重复测量方差分析(Repeated measures ANOVA其中一个组内因素和一个组间因素)分别使用interaction.plot函数和boxplot对交互作用进行可视化