TukeyHSD 在 R 中返回太多值

Question

我对 R （和统计数据）非常陌生，我搜索了很多可能的解决方案，但找不到任何解决方案。

我有一个包含大约 18000 个条目的数据集，其中包含两列：“租金”和“季节”。 我想使用单向方差分析来分析租金的平均值是否因季节而异。

我的数据如下所示：

租金	季节
23	1
12	1
17	2
16	2
44	3
22	3
2	4
14	4

首先，我计算组（季节）的 SD 和 MEAN：

anova %>%
    group_by(season) %>%
    summarise(
        count_season = n(),
        mean_rentals = mean(rentals, na.rm = TRUE),
        sd_rentals = sd(rentals, na.rm = TRUE))

这是结果：

然后我执行单向方差分析：

anova_one_way <- aov(season~as.factor(rentals), data = anova)
summary(anova_one_way)
<!-- I use "as.factor" on rentals, because otherwise I'm getting an error with TukeyHSD -->

结果：

棘手的部分来了。 我执行 TukeyHSD 测试：

TukeyHSD(anova_one_way) 

结果非常令人失望。 TukeyHSD 返回 376896 行，而我希望它只返回几行，将季节相互比较。 看起来每个“出租”行都被作为一个组处理。 这似乎是非常错误的，但我找不到原因。 这是考虑到大数据集的常见 TukeyHSD 行为，还是我的代码或逻辑中存在错误，导致这个巨大的不可读值列表作为返回值？

这是关于它的外观的一个小见解（一直持续到 376896）。

Answer 1

这些术语在您的aov()调用中是错误的。 租金是结果（因）变量，季节是预测（自）变量。

所以你要：

anova_one_way <- aov(rentals ~ factor(season), data = anova)