Como analisar as variações de dados em modelos com r
Uma análise de variância (ANOVA) é uma técnica muito comum utilizado com R para comparar as médias entre diferentes grupos de dados. Para ilustrar isso, dê uma olhada no conjunto de dados InsectSpray
Conteúdo
gt; str (InsectSprays) `data.frame`: 72 obs. de 2 variáveis: $ count: num 10 7 20 14 14 12 10 23 17 20 ... $ pulverização: Fator w / 6 níveis "UMA","B","C","D", ..: 1 1 1 1 1 1 1 1 1 1 ...
Este conjunto de dados contém os resultados de um experimento agrícola. Seis insecticidas foram testadas em 12 campos de cada um, e os investigadores contado o número de erros irritantes que permaneceram em cada campo. Agora, os agricultores precisam de saber se os inseticidas faz qualquer diferença, e em caso afirmativo, qual deles melhor uso. Você responder a esta pergunta, usando o AOV () funcionar para realizar uma análise de variância.
Video: Protocolos de comunicação de dados! O que são?
Como construir o modelo
Para este exemplo simples, a construção do modelo é um pedaço de bolo. Você essencialmente deseja modelar os meios para a variável contagem como uma função da variável spray. Você traduzir isso para R assim:
Video: Confiabilidade Analisando Falhas com Modelos Estatísticos
gt; AOVModel lt; - AOV (contagem, dados ~ pulverização = InsectSprays)
Você passa dois argumentos para o AOV () função em esta linha de código:
A fórmula conte ~ pulverização, onde se lê “contam como uma função de spray”
O argumento dados, onde você especifica o quadro de dados em que as variáveis da fórmula pode ser encontrada
Cada função de modelagem retorna um objeto de modelo com um monte de informações sobre o modelo ajustado. Sempre colocar este modelo de objeto em uma variável. Desta forma, você não tem que volte a colocar o modelo em que você precisa para realizar cálculos extra.
Como olhar para o modelo de objeto
Tal como acontece com cada objeto, você pode olhar para um objeto de modelo apenas digitando seu nome no console. Se você fizer isso para o objeto Modelo que você criou, você vê o seguinte resultado:
gt; AOVModelCall: AOV (fórmula = contagem ~ pulverização, dados = InsectSprays) Termos: spray ResidualsSum dos quadrados 2668.833 1015.167Deg. de Freedom566Residual erro padrão: efeitos 3.921902Estimated pode ser desequilibrada
Isso não dizer que muito, além do comando (ou a ligar) Que você usou para construir o modelo e algumas informações básicas sobre o resultado adequado.
Na saída, você também li que os efeitos estimados pode ser desequilibrado. Isto não é um aviso - é uma mensagem que é construída em pelo autor do AOV () função. Este pode aparecer em duas situações:
Você não tem o mesmo número de casos em cada grupo.
Você não definiu contrastes ortogonais.
Neste caso, é a segunda razão.