统计建模与r软件第七讲-2017.ppt

注:kruskal-wallis检验与方差分析结果一致,但是kruskal-wallis检验更有说服力. Generate factors by specifying the pattern of their levels. Usage gl(n, k, length = n*k, labels = 1:n, ordered = FALSE) n:an integer giving the number of levels. k:an integer giving the number of replications length :an integer giving the length of the result. labels ：an optional vector of labels for the resulting factor levels. 例7.3的kruskal-wallis检验 x=scan(dataexample703.txt);a=factor(rep(1:3,c(11,10,12)));mouse=data.frame(x,a);kruskal.test(x~a,data=mouse) 结果:p-value = 0.002447, kruskal-wallis检验结果为拒绝H0,即有显著差异. 1 1.01 1.13 1.14 1.7 2.01 2.23 2.63 0.96 1.23 1.54 1.96 2.94 3.68 5.59 6.96 2.07 3.72 4.5 4.9 6 6.84 8.23 10.33 gl(3,8,24):11 11 1 1 11 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 gl(8,1,24):12 34 5 6 78 12 34 5 6 78 12 34 5 6 78 1 1.01 1.13 1.14 1.7 2.01 2.23 2.63 0.96 1.23 1.54 1.96 2.94 3.68 5.59 6.96 2.07 3.72 4.5 4.9 6 6.84 8.23 10.33 例7.9 在一个农业试验中，考虑4种不同的种子品种A1,A2,A3,A4和3种不同的施肥方法B1,B2,B3,得到产量数据如表。试分析种子与施肥对产量有无显著影响？ B1 B2 B3 A1 325 292 316 A2 317 310 318 A3 310 320 318 A4 330 370 365 这是一个双因素试验,因素A(种子)有4个水平,因素B(施肥)有3个水平； 设A有r个水平A1,A2,…,Ar;因素B有s个水平B1,B2,…,Bs. 1. 数学模型:(无重复试验) B1 B2 … Bs A1 x11 x12 … x1s A2 x21 x22 … x2s . . . … Ar xr1 xr2 … xrs H01:α1= α 2=…= α r=0 因素A的第i个水平的效应 因素B的第j个水平的效应 H02:β1= β 2=…= β s=0 考虑统计量： SE SA SB 类似地有： H02:β1= β 2=…= β s=0 H01:α1= α 2=…= α r=0 3. 方差分析表的计算(以7.9为例) y=scan(dataexample709.txt);a=gl(4,3);b=gl(3,1,12); agriculture=data.frame(y,a,b); agriculture.aov=aov(y~a+b,data=agriculture); Df Sum Sq Mean Sq F value Pr(F) a 3 3824.2 1274.75 5.2262 0.04126 * b 2 162.5 81.25 0.3331 0.72915 Residuals 6 1463.5 243.92 拒绝H01,不同品种(A)对产量有显著影响; 接受H02，没有充分理由说明施肥方法(B)对产量有显著影响; 因素A,B的影响经常会出现相互影响,影响能够叠加。 数学模型： B1 B2 … Bs A1 x111x112…x11t x121x122…x1