![](/img/trans.png)
[英]In R can you manually set degrees of freedom for lm() or Anova()?
[英]ANOVA in R: Degrees of freedom almost all equal 1
这是我的荣誉论文! 我的顾问不知道如何使用R,我不知道如何使用其他任何东西,所以我在这里。
我有一个数据集,开头像这样:
> d.weight
R N P C D.weight
1 1 0 0 GO 45.3
2 2 0 0 GO 34.0
3 3 0 0 GO 19.1
4 4 0 0 GO 26.6
5 5 0 0 GO 23.5
6 1 45 0 GO 22.1
7 2 45 0 GO 15.5
8 3 45 0 GO 23.4
9 4 45 0 GO 15.8
10 5 45 0 GO 42.9
...
等等。
但是,当我进行方差分析时,我得到了错误的自由度。 我通常在那组完整数据的子集上运行我的ANOVA,但是我只是做一个我实际上不会做的分析,只是这样你就可以看到几乎所有的Df都是错误的。
> example.aov=aov(D.weight ~ R+N+P+C, data=d.weight)
> summary(example.aov)
Df Sum Sq Mean Sq F value Pr(>F)
R 1 1158 1158 9.484 0.00226 **
N 1 202 202 1.657 0.19900
P 1 11040 11040 90.408 < 2e-16 ***
C 3 41032 13677 112.010 < 2e-16 ***
Residuals 313 38220 122
所以,基本上,唯一正确的是C因子。 是因为它有字母而不是数字吗?
我找到了某个地方,如果我用每个术语写下interaction(),我会得到正确的Df,但我不知道这是否是正确的做法。 例如:
> example.aov2=aov(D.weight ~ interaction(R)+interaction(N)+interaction(P)+interaction(C), data=d.weight)
> summary(example.aov2)
Df Sum Sq Mean Sq F value Pr(>F)
interaction(R) 4 7423 1856 19.544 2.51e-14 ***
interaction(N) 4 543 136 1.429 0.224
interaction(P) 4 13788 3447 36.301 < 2e-16 ***
interaction(C) 3 41032 13677 144.042 < 2e-16 ***
Residuals 304 28866 95
我用C因子尝试了它只是为了看它是否搞砸了什么:
> example.aov3=aov(D.weight ~ C, data=d.weight)
> summary(example.aov3)
Df Sum Sq Mean Sq F value Pr(>F)
C 3 41032 13677 85.38 <2e-16 ***
Residuals 316 50620 160
>
> example.aov4=aov(D.weight ~ interaction(C), data=d.weight)
> summary(example.aov4)
Df Sum Sq Mean Sq F value Pr(>F)
interaction(C) 3 41032 13677 85.38 <2e-16 ***
Residuals 316 50620 160
它看起来一样。 我应该在任何地方添加交互()吗?
谢谢您的帮助!
R通过检查变量是numeric
还是factor
变量来确定是将变量视为分类(ANOVA类型分析)还是连续(回归类型分析)。 最简单的说,您可以将预测变量(独立)变量转换为因子
facs <- c("R","N","P")
d_weight[facs] <- lapply(d.weight[facs],factor)
如果你想创建辅助变量而不是覆盖你可以做类似的事情
for (varname in facs) {
d_weight[[paste0("f",varname)]] <- factor(d_weight[[varname]])
}
可能有一种更紧凑的方式来做到这一点,但应该服务......
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.