Hvordan analysere dataavvik i modeller med R-dummies

En variansanalyse (ANOVA) er en veldig vanlig teknikk som brukes med R for å sammenligne midlene mellom forskjellige grupper av data. For å illustrere dette, ta en titt på datasettet InsectSpray: >> str (InsectSprays) 'data. ramme ': 72 obs. av 2 variabler: $ count: num 10 7 20 14 14 12 10 23 17 20 … $ spray: Faktor m / 6 nivåer "A", "B", "C", "D", …: 1 1 1 1 1 1 1 1 1 1 …

Dette datasettet inneholder resultatene fra et landbrukseksperiment. Seks insekticider ble testet på 12 felt hver, og forskerne talt antall pesky bugs som var igjen på hvert felt. Nå må bøndene vite om insekticidene gjør noen forskjell, og i så fall hvilken som de best bruker. Du svarer på dette spørsmålet ved å bruke funksjonen aov () for å utføre en ANOVA.

Hvordan bygge modellen

For dette enkle eksempelet, bygger modellen er et stykke kake. Du vil i hovedsak modellere midlene for variabel telling som en funksjon av variabel spray. Du oversetter det til R slik: >> AOVModel <- aov (count ~ spray, data = InsectSprays)

Du sender to argumenter til funksjonen aov () i denne linjen med kode:

Formeltellingen ~ spray, som står som "telle som en funksjon av spray"

• Argumentdataene, der du angir datarammen der variablene i formelen kan bli funnet.

  Hver modelleringsfunksjon returnerer et modellobjekt med mye informasjon om den monterte modellen. Sett alltid dette modellobjektet i en variabel. På denne måten trenger du ikke å rette på modellen når du trenger å utføre ekstra beregninger.

• Slik ser du på modellobjektet

Som med hvert objekt, kan du se på et modellobjekt bare ved å skrive navnet i konsollen. Hvis du gjør det for objektmodellen du opprettet, ser du følgende utgang:

>> AOVModel Call: aov (formel = tell ~ spray, data = InsectSprays) Vilkår: Spray Residualer Summen av firkanter 2668. 833 1015. 167 Deg. av frihet 5 66 Reststandardfeil: 3. 921902 Estimerte effekter kan være ubalansert

Dette forteller deg ikke så mye, bortsett fra kommandoen (eller

samtale

) du pleide å bygge modellen og noen grunnleggende opplysninger om passende resultat.

I utgangen leser du også at de estimerte effektene kan være ubalanserte. Dette er ikke en advarsel - det er en melding som er bygd inn av forfatteren av aov () -funksjonen. Denne kan dukke opp i to situasjoner: Du har ikke like mange tilfeller i hver gruppe. Du angav ikke ortogonale kontraster.

I dette tilfellet er det den andre grunnen.