R语言统计分析——单因素协方差分析

news2024/9/24 3:27:28

参考资料:R语言实战【第2版】

        单因素协方差分析(ANCONA)扩展了单因素方差分析(ANOVA),包含一个或多个定量的协变量。下面使用multcomp包中的litter数据集进行操作:

# 加载数据集
data(litter,package="multcomp")
# 查看数据集
head(litter)

attach(litter)
# 查看剂量处理数据
table(dose)
# 查看不同剂量处理下的均值
aggregate(weight~dose,FUN=mean)
# 单因素协方差分析
fit<-aov(weight~gesttime+dose)
# 查看分析结果
summary(fit)

        ANCOVA的F检验表明:①小鼠怀孕时间与幼崽出生体重相关;②在控制怀孕时间的情况下,药物剂量与出生体重相关:即在控制怀孕时间下,药物的不同剂量下幼崽出生体重均值显著不同。

        由于使用了协变量,我们需要获取调整后的组均值,即去除协变量效应后的组均值。可以使用effects包中的effect()函数来计算调整的均值:

library(effects)
# 计算调整后均值(不同剂量下小鼠幼崽出生体重调整后均值)
effect("dose",fit)

        本例中,调整的均值与aggregate()函数得出的未调整的均值类似,但并非所有的情况都是如此。总之,effects包为复杂的研究设计提供了强大的计算调整均值的方法。

        下面我们还需要了解哪些剂量处理间差异显著,即多重比较。我们使用multcomp包来对所有均值进行成对比较。另外,multcomp包还可以用来检验用户自定义的均值假设。假设我们仅对未用药条件与其他三种用药剂量影响结果是否不同感兴趣,我们可以如下操作:

#加载multcomp包
library(multcomp)
contrast<-rbind("no drug vs. drug"=c(3,-1,-1,-1))
summary(glht(fit,linfct = mcp(dose=contrast)))

         对照c(9,-1,-1,-1)设定第一组与其他三组的均值进行比较。上面结果显示:p值小于0.05,即未用药组与其他用药条件相比,小鼠出生体重显著的高。

1、评估检验的假设条件

        ANCOVA与ANOVA相同,都需要正态性和同方差性假设,可利用car包中的qqPlot()函数和bartlett.test()函数进行操作,具体参照:R语言统计分析——单因素方差分析。另外,ANCOVA还假定了回归斜率相同,本例中就是假设四个处理组通过怀孕时间来预测出生体重的回归斜率都是相同的。当ANCOVA模型包含怀孕时间×剂量的交互项时,可对回归斜率的同质性进行检验:交互效应若显著,则意味着时间和幼崽出生体重间的关系依赖于药物剂量的水平。

## 检验回归斜率的同质性
# 加载multcomp包
library(multcomp)
# 单因素协方差分析(含交互作用项)
fit2<-aov(weight~gesttime*dose,data=litter)
# 查看结果
summary(fit2)

        含交互项的协方差分析结果显示:交互效应不显著,支持斜率相等的假设。倘若假设不成立,我们可以尝试变换协变量或因变量,或使用能对每个斜率独立解释的模型,或使用不需要假设回归斜率同质性的非参数ANCOVA方法,如sm包中的sm.ancova()函数。

2、结果可视化

        HH包中的ancova()函数可以绘制因变量、协变量和因子之间的关系图。如下:

# 加载HH包
library(HH)
# 作图
ancova(weight~gesttime+dose,data=litter)

        从上图中,我们可以看出,用怀孕时间预测出生体重的回归直线是相互平行的,只是截距项不同。随着怀孕时间增加,幼崽出生体重也会增加。另外,还可以看到0剂量组截距项最大,5剂量组截距项最小。若用ancova(weight~gesttime*dose),生成的图形将允许斜率和截距项依据组别而发生变化(如下图),这对可视化哪些违背回归斜率同质性的实例展示非常有用。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2093749.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

0-HDMI高速接口协议基础介绍

高清多媒体接口(HDMI&#xff0c;High Definition Multimedia Interface)是一种数字化视频/音频接 口技术&#xff0c;是适合影像传输的专用型数字化接口&#xff0c;其可同时传送音频和视频信号&#xff0c;同时无需在 信号传送前进行数/模或者模/数转换。从2002年HDMI发布最初…

Windows 环境nginx安装使用及目录结构详解

一、 Windows 环境nginx安装及基本使用 1、下载 nginx-1.27.1 最新的主线版本 安装 nginx/Windows&#xff0c;请下载1.27.1最新的主线版本&#xff0c; nginx 的主线分支包含所有已知的修复程序。 2、 解压缩 nginx-1.27.1 版本 nginx/Windows 作为标准控制台应用程序&#x…

YOLO | YOLO目标检测算法(分类、检测、分割)

github&#xff1a;https://github.com/MichaelBeechan CSDN&#xff1a;https://blog.csdn.net/u011344545 分类、检测、分割 思考&#xff1a;计算机视觉能够解决哪些问题&#xff1f;&#xff1f;&#xff1f;&#xff1f;分类、检测、分割 分割&#xff1a;语义分割和实例分…

SOMYO™——将“照片”转为“手绘素描”的专业级软件

一定要往下看&#xff0c;最精彩的在最后哦&#xff01; 1 关于素描的几句话 素描是西方美术的灵魂。值得为自己、亲人与好友留下一张别致的素描。 素描的定义&#xff1a;艺术家通过线条的粗细、浓淡、疏密等变化&#xff0c;试图精准地再现形态的体感、质感和动感的艺术…

轻量级进程(LWP)和线程

线程是CPU调度的基本单位 进程是承担系统资源的基本实体(进程是资源分配的基本单位) 线程并不拥有系统资源,而是共享使用进程的资源,进程的资源由系统进行分配 任何一个线程都可以创建或撤销另一个线程 多进程里&#xff0c;子进程可复制父进程的所有堆和栈的数据&#xff1b…

黑神话悟空-提高画质、防卡顿、修复等各种功能、各种CT表、各种存档、武器包、人物、装备替换等193+MOD合集

193MOD合集&#xff0c;提高画质&#xff0c;减少卡顿、修复等功能MOD各种CT表各种存档武器包、物品、人物、装备、造型替换等 具体MOD可在文件内查看 特别说明&#xff1a;3款珍品大圣套装替换初始套装MOD是不同的&#xff0c;&#xff08;其中全装备珍品大圣套装是不可以跳出…

笔记 12 : 彭老师课本第 6 章, PWM ,代码实践

&#xff08;85&#xff09; 驱动写多了&#xff0c;会发现&#xff0c;首先就是硬件的初始化&#xff0c;配置硬件。 &#xff08;86&#xff09;查看源代码组织&#xff1a; &#xff08;87&#xff09; 编译过程不变&#xff1a; &#xff08;88&#xff09; 运行同以前的步…

2024年8月总结及随笔之逝

1. 回头看 日更坚持了609天。 读《零信任网络&#xff1a;在不可信网络中构建安全系统》更新完成读《软件开发安全之道&#xff1a;概率、设计与实施》开更并持续更新 2023年至2024年8月底累计码字1463007字&#xff0c;累计日均码字2402字。 2024年8月码字109278字&#x…

全网最适合入门的面向对象编程教程:42 Python常用复合数据类型-collections容器数据类型

全网最适合入门的面向对象编程教程&#xff1a;42 Python 常用复合数据类型-collections 容器数据类型 摘要&#xff1a; 在 Python 中&#xff0c;collections 模块提供了一组高效、功能强大的容器数据类型&#xff0c;扩展了内置的基础数据类型&#xff08;如 list、tuple、…

ubuntu14.04.5出现配环境后重启进不了图形化界面解决记录

前言 这段时间给公司接了一个需要使用到linux环境进行交叉编译的工程&#xff0c;就采用了简单易操作的图形化ubuntu系统。 镜像采用的是&#xff1a;ubuntu14.04.5-desktop-amd64.iso(官网下载的&#xff09; 配置环境的过程下载了众多依赖包&#xff0c;总之就是缺啥下载啥…

Mac 安装 jdk 8详细教程

Mac 电脑上安装Jdk 8 的步骤很简单&#xff0c;不用想Windows那样需要配置环境变量PATH、JAVA_HOME。 具体方法如下&#xff1a; 首先&#xff0c;去JDK官网下载对应版本的JDK 8。 这里需要注册一个账号&#xff0c;然后&#xff0c;账号下载。 下载完后&#xff0c;得到一个…

【IEEE独立出版 | 往届快至会后2个月检索】2024年第四届电子信息工程与计算机科学国际会议(EIECS 2024,9月27-29)

2024年第四届电子信息工程与计算机科学国际会议&#xff08;EIECS 2024&#xff09;将于2024年9月27日至29日在中国延吉举行。会议由长春理工大学主办&#xff0c;延边大学、长春理工大学电子信息工程学院、长春理工大学计算机学院、长春理工大学人工智能学院承办&#xff0c;多…

视频智能分析厨帽检测算法,厨帽检测算法全套源码、样本和模型展示

厨帽检测算法是一种基于人工智能和计算机视觉技术的系统&#xff0c;旨在自动检测厨师是否佩戴了符合规范的厨帽。该算法通过分析视频流或图像数据&#xff0c;实时识别厨帽的佩戴情况&#xff0c;从而帮助餐饮企业确保员工的着装符合卫生标准。这一技术广泛应用于餐馆、厨房、…

旋转排序:搜索算法

搜索旋转排序数组的算法设计 引言 在计算机科学的世界中&#xff0c;二分搜索算法被广泛认为是处理已排序数组查找任务的高效工具。 它通过不断将搜索范围缩小一半的方式&#xff0c;快速定位到所需元素的位置&#xff0c;这种方法的时间复杂度仅为O(log n)&#xff0c;使得…

开源轻量级进程监控工具monit的使用以及monit进程监控工具常用的监控配置案例示例大全

一、开源轻量级进程监控工具monit的应用 今天在服务器杀进程时&#xff0c;发现有一个进程一直在重启&#xff0c;寻找服务器各种定时任务未发现有定时程序&#xff0c;也没有发现supervisord的进程管理服务&#xff0c;后来才发现服务器上启用了monit这个工具&#xff0c;moni…

初识Redis:JavaSpring客户端

第一步&#xff0c;需要在添加依赖的时候&#xff0c;选中这两个依赖。 第二步&#xff0c;修改配置文件 此处可以用properties也可以用yml。 第三步&#xff0c;完善controller 之前使用jedis&#xff0c;是通过jedis对象里面的各种方法来操作redis的&#xff0c;此处Spring中…

粘包、半包和Netty中的自定义帧解码器间的关系

之前学习Netty的时候学到自定义编解码器这一部分后就没再继续学习&#xff0c;同时对于这部分知识学习不深入。一直有个误区&#xff1a;自定义编码以及解码服务器就能够解决TCP作为流式协议传输&#xff08;无消息边界&#xff09;导致的粘包、半包问题。实则上面这句话有非常…

Pr:代理预设

在 Adobe Premiere Pro 中&#xff0c;“创建代理” Create Proxies对话框中的“代理”预设提供了六种格式选项。 ProRes QuickTime 代理 ProRes 是 Apple 开发的高质量中间编解码器&#xff0c;广泛应用于专业视频编辑领域。它提供了出色的色彩保真度和较低的压缩损失&#xf…

SPR系列单点激光雷达测距传感器|模组之CAN-OPEN软件调试说明

SPR系列单点激光雷达测距传感器|模组利用激光束的时间飞行原理来测量距离。它们发射出一个脉冲激光&#xff0c;并测量激光从传感器发射到击中物体并返回的时间来计算距离。 SPR系列单点激光雷达测距传感器|模组在测量精度要求较高的应用中常被使用&#xff0c;应用范围广泛&a…

PWM(Pulse-width modulation)脉冲宽度调制

PWM&#xff08;Pulse-width modulation&#xff09;是脉冲宽度调制 脉冲宽度调制是一种模拟信号电平数字编码方法。脉冲宽度调制PWM是通过将有效的电信号分散成离散形式从而来降低电信号所传递的平均功率的一种方式。所以根据面积等效法则&#xff0c;可以通过对改变脉冲的时…