Hur analyseras dataavvikelser i modeller med R-dummies

En variansanalys (ANOVA) är en mycket vanlig teknik som används med R för att jämföra medlen mellan olika grupper av data. För att illustrera detta, ta en titt på datasetet InsectSpray: >> str (InsectSprays) 'data. ram ': 72 obs. av 2 variabler: $ count: num 10 7 20 14 14 12 10 23 17 20 … $ spray: Faktor med 6 nivåer "A", "B", "C", "D", …: 1 1 1 1 1 1 1 1 1 1 …

Denna dataset innehåller resultaten från ett jordbruksexperiment. Sex insekticider testades på 12 fält vardera, och forskarna räknade antalet besvärliga buggar som var kvar på varje fält. Nu måste bönderna veta om insekticiderna gör någon skillnad, och i så fall vilken som de bäst använder. Du svarar på denna fråga genom att använda funktionen aov () för att utföra en ANOVA.

Hur man bygger modellen

För det här enkla exemplet är byggandet av modellen en bit tårta. Du vill väsentligen modellera medlen för variabelräkningen som en funktion av den variabla sprayen. Du översätter det till R så här: >> AOVModel <- aov (count ~ spray, data = InsectSprays)

Du skickar två argument till funktionen aov () i den här raden av kod:

Formelantalet ~ spray, som läser som "räkna som en funktion av spray"

• Argumentdata, där du anger datagränsen där variablerna i formeln kan hittas.

  Varje modellfunktion returnerar ett modellobjekt med mycket information om den monterade modellen. Sätt alltid detta modellobjekt i en variabel. På så sätt behöver du inte återställa modellen när du behöver utföra extra beräkningar.

• Så här tittar du på modellobjektet

Som med varje objekt kan du titta på ett modellobjekt bara genom att skriva namnet i konsolen. Om du gör det för objektmodellen som du skapade ser du följande utdata:

>> AOVModel Samtal: aov (formel = räkna ~ spray, data = InsectSprays) Villkor: Sprayrester Summan av kvadrater 2668. 833 1015. 167 Deg. av frihet 5 66 Återstående standardfel: 3. 921902 Beräknade effekter kan vara obalanserade

Detta berättar inte så mycket förutom kommandot (eller

samtalet

) som du brukade bygga modellen och några grundläggande uppgifter om passande resultat.

I produktionen läser du också att de uppskattade effekterna kan vara obalanserade. Detta är inte en varning - det är ett meddelande som är inbyggt av författaren av funktionen aov (). Den här kan dyka upp i två situationer: Du har inte samma antal fall i varje grupp. Du ställde inte in ortogonala kontraster.

I det här fallet är det den andra anledningen.