R语言—方差分析

Posted 2021-04-18 大康的笔记

在实际的分析中，有时需要考虑多个因素对实验结果的影响。当方差分析中涉及两个因子的自变量时，称为双因素方差分析。以ToothGrowth 数据集为例，随机分配60只豚鼠，分别采用两种喂食方法（橙汁或维生素C），各喂食方法中抗坏血酸含量有三种水平（0.5mg、1mg或2mg），每种处理方式组合都被分配10只豚鼠。其中，牙齿长度为因变量。

>attach(ToothGrowth)

>table(supp,dose)

           dose

supp 0.5  1  2

  OJ  10 10 10

  VC  10 10 10

>aggregate(len,by=list(supp,dose),FUN=mean)

   Group.1   Group.2     x

1      OJ         0.5        13.23

2      VC         0.5        7.98

3      OJ         1.0         22.70

4      VC         1.0         16.77

5      OJ          2.0         26.06

6      VC          2.0         26.14

>aggregate(len,by=list(supp,dose),FUN=sd)

    Group.1   Group.2        x

1      OJ           0.5       4.459709

2      VC           0.5       2.746634

3      OJ           1.0        3.910953

4      VC           1.0        2.515309

5      OJ            2.0        2.655058

6      VC            2.0        4.797731

>dose<-factor(dose)

>fit<-aov(len~supp*dose)

>summary(fit)

                    Df   Sum Sq   Mean Sq   F value    Pr(>F)    

supp             1     205.4        205.4      15.572    0.000231 ***

dose             2     2426.4      1213.2     92.000    < 2e-16 ***

supp:dose    2     108.3         54.2        4.107      0.021860 *  

Residuals    54     712.1        13.2                     

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

#可以看到主效应和交互效应都非常的显著

• 结果可视化
  

有多种方式对结果进行可视化处理，以下列举三种方法进行展示。

（1）使用interaction.plot()函数

>interaction.plot(dose,supp,len,type = "b",

col =c( "red","blue"),pch = c(16,18),

main="Interaction between Dose and Supplement Type")

（2）使用gplots包中的plotmeans()函数

>plotmeans(len~interaction(supp,dose,sep = ""),

connect = list(c(1,3,5),c(2,4,6)),

col = c("gold","darkgreen"),main="Interaction Plot with 95% CIs",

xlab = "Treatment and Dose Combination")

（3）使用HH包中的interaction2wt()函数

>library(HH)

> interaction2wt(len~supp*dose)

以上三幅图均表明随着橙汁和维生素C中的抗坏血酸剂量的增加，牙齿长度变长。对于0.5mg和1mg剂量，橙汁比维生素C更能促进牙齿生长；对于2mg 剂量的抗坏血酸，两种喂食方法下牙齿长度增长相同。

扫描二维码

获取更多精彩

大康的笔记