[英]One-way ANOVA for stratified samples in R
我有一个分层的样本,有三组(“a”,“b”,“c”),从更大的人口N中抽取。所有组有30个观察,但它们在N中的比例不相等,因此它们的抽样权重不同。
我使用R中的survey
包来计算汇总统计和线性回归模型,并想知道如何计算单向ANOVA校正调查设计(如有必要)。
我的假设是,如果我错了,请纠正我,对于权重较小的人群,方差的标准误差通常应该更高,因此不考虑调查设计的简单方差分析不应该是可靠的。
这是一个例子。 任何帮助,将不胜感激。
## Oneway- ANOVA tests in R for surveys with stratified sampling-design
library("survey")
# create test data
test.df<-data.frame(
id=1:90,
variable=c(rnorm(n = 30,mean=150,sd=10),
rnorm(n = 30,mean=150,sd=10),
rnorm(n = 30,mean=140,sd=10)),
groups=c(rep("a",30),
rep("b",30),
rep("c",30)),
weights=c(rep(1,30), # undersampled
rep(1,30),
rep(100,30))) # oversampled
# correct for survey design
test.df.survey<-svydesign(id=~id,
strata=~groups,
weights=~weights,
data=test.df)
## descriptive statistics
# boxplot
svyboxplot(~variable~groups,test.df.survey)
# means
svyby(~variable,~groups,test.df.survey,svymean)
# variances
svyby(~variable,~groups,test.df.survey,svyvar)
### ANOVA ###
## One-way ANOVA without correcting for survey design
summary(aov(formula = variable~groups,data = test.df))
嗯,这是一个有趣的问题,据我所知,在单向anova中考虑权重是很困难的。 因此,我决定告诉你我解决这个问题的方式。
我将使用双向anova然后进行特殊测试。
首先,让我们根据您的数据构建一个线性模型,并检查它的外观。
library(car)
library(agricolae)
model.lm = lm(variable ~ groups * weights, data = test.df)
shapiro.test(resid(model.lm))
Shapiro-Wilk normality test
data: resid(model.lm)
W = 0.98238, p-value = 0.263
leveneTest(variable ~ groups * factor(weights), data = test.df)
Levene's Test for Homogeneity of Variance (center = median)
Df F value Pr(>F)
group 2 2.6422 0.07692 .
87
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
分布接近正常,各组之间的方差不同,因此方差不是同质的 - 应该用于参数测试 - anova。 不管怎样,让我们进行测试。
几个图表检查我们的数据是否适合此测试:
hist(resid(model.lm))
plot(model.lm)
这是对情节的解释,它们实际上并不坏看。
让我们运行双向anova:
anova(model.lm)
Analysis of Variance Table
Response: variable
Df Sum Sq Mean Sq F value Pr(>F)
groups 2 2267.8 1133.88 9.9566 0.0001277 ***
Residuals 87 9907.8 113.88
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
如您所见,结果非常接近您的结果。 一些事后测试:
(result.hsd = HSD.test(model.lm, list('groups', 'weights')))
$statistics
MSerror Df Mean CV MSD
113.8831 87 147.8164 7.2195 6.570186
$parameters
test name.t ntr StudentizedRange alpha
Tukey groups:weights 3 3.372163 0.05
$means
variable std r Min Max Q25 Q50 Q75
a:1 150.8601 11.571185 30 113.3240 173.0429 145.2710 151.9689 157.8051
b:1 151.8486 8.330029 30 137.1907 176.9833 147.8404 150.3161 154.7321
c:100 140.7404 11.762979 30 118.0823 163.9753 131.6112 141.1810 147.8231
$comparison
NULL
$groups
variable groups
b:1 151.8486 a
a:1 150.8601 a
c:100 140.7404 b
attr(,"class")
[1] "group"
也许有一些不同的方式:
aov_cont<- aov(test.df$variable ~ test.df$groups * test.df$weights)
summary(aov_cont)
Df Sum Sq Mean Sq F value Pr(>F)
test.df$groups 2 2268 1133.9 9.957 0.000128 ***
Residuals 87 9908 113.9
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(TukeyHSD(aov_cont))
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = test.df$variable ~ test.df$groups * test.df$weights)
$`test.df$groups`
diff lwr upr p adj
b-a 0.9884608 -5.581725 7.558647 0.9315792
c-a -10.1197048 -16.689891 -3.549519 0.0011934
c-b -11.1081657 -17.678352 -4.537980 0.0003461
总结一下,结果非常接近你的。 Personaly我会用(*)符号或(+)运行双向anova,当你确定你的变量是独立的 - 加法模型。
具有较大重量的组c
基本上不同于组a
和b
。
根据我们研究所的主要统计学家的说法,在任何常见的建模环境中都不容易实现这种分析。 其原因在于ANOVA和ANCOVA是线性模型,在70年代出现通用线性模型 (后来的广义线性模型 - GLM )后未进一步发展。
正态线性回归模型产生与ANOVA几乎相同的结果,但在变量选择方面更灵活。 由于GLM存在加权方法(参见R中的survey
包),因此没有必要开发方法来对ANOVA中的分层抽样设计进行加权......只需使用GLM代替。
summary(svyglm(variable~groups,test.df.survey))
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.