Análisis de varianza de dos factores del proceso de implementación de SPSS
Hay cinco tratamientos en el experimento de fertilización en macetas de arroz: A1 y A2 se aplican con agua amoniacal de dos procesos diferentes, A3 se aplica con bicarbonato de amonio, A4 se aplica con urea, y A5 es el control. Se colocaron aleatoriamente cuatro macetas de arroz de cada tratamiento en el mismo cobertizo experimental. El rendimiento del arroz se muestra en la siguiente tabla. Ahora analizamos si existen diferencias significativas en el rendimiento del arroz bajo diferentes tratamientos de fertilización.
1.1.3 Tareas de pasantía del curso
① Diseñe el guión de acuerdo con los requisitos del tema de diseño del curso
② El guión puede completar el factor único; análisis de varianza de datos de arroz;
③Escribir código;
④Analizar y depurar scripts;
⑤Escribir informe experimental.
1.4 Objetivos de las prácticas del curso
①Consolidar y profundizar la comprensión y el dominio del lenguaje R;
②Ampliar el conocimiento del curso a través del aprendizaje extracurricular;
③ Mejorar la capacidad de utilizar el lenguaje R para resolver problemas prácticos de la vida
④ Dominar preliminarmente los métodos básicos de desarrollo de scripts simples
⑤ Dominar la escritura de "Programación y desarrollo de software; " 》La capacidad de presentar documentos explicativos y resumidos. 2. Visualización del nivel de programación y descripción
Debido al método de comentario del código, el formulario no es muy hermoso y no es fácil ver los resultados directamente, lo que resulta en una lectura sin cambios, por lo que el autor usa capturas de pantalla parciales. en el archivo de script El método de implementación se describe para que el funcionamiento de cada parte sea claro de un vistazo y los resultados sean obvios. Luego adjunte el archivo de código al final de esta sección para facilitar la lectura.
2.1 Entrada de datos
Esta es una entrada directa al programa, ingresa datos en el parámetro shuidaodata. Cada fila de datos corresponde a un grupo.
Aquí también puede utilizar la función de escaneo para escribir de forma interactiva, o guardar los datos en formato csv y luego ingresar la función read.csv según la ruta.
2.2 Convertir a marco de datos
Aquí, cada fila se nombra según su tipo correspondiente. El nombre del volumen de la columna con nombre es el nombre del parámetro y el nombre del marco de datos es el parámetro shuidao.
2.3 Fusión de datos y procesamiento de datos redundantes
Dado que el contenido de los datos del arroz es relativamente simple y tiene un solo factor, no es necesario realizar una operación de fusión en el marco de datos, porque el procesamiento del resultado de la fusión se completa cuando se forma el marco de datos, y luego la conversión inversa es engorrosa, por lo que no es necesario usar la función de fusión. Utilice la función derretir. Asimismo, los datos del arroz no contienen componentes redundantes, por lo que no es necesario procesar los datos redundantes.
2.4 Análisis de datos
Aquí utilizamos directamente la función aov para realizar un análisis de varianza de un solo factor. El valor F del resultado del parámetro es 11,18, el valor P es inferior a 0,05. , y hay una diferencia entre las medias de cada nivel de factor. Diferencia muy significativa.
2.5 Conclusión preliminar
Después del análisis de varianza de un solo factor, podemos saber que los factores de fertilizantes tienen un impacto muy significativo en los resultados de rendimiento. Al mismo tiempo, también podemos hacer algo más. pasos para confirmar su autenticidad y una comprensión más profunda de las cualidades que los diferencian.
2.6 Prueba de normalidad 2.6.1 Gráfico Q-Q
Aquí primero usamos la función lm para ajustar el modelo de regresión lineal e ingresamos el parámetro ajustado mo en la función qqPlot para obtener lo siguiente figura:
Vea que las curvas de regresión están dentro del rango y los datos se ajustan a la prueba de normalidad.
2.6.2 Otros métodos
La prueba de normalidad no es el único método en la consulta de información en línea, existen los siguientes métodos:
1.ks. función, pero debido a que los datos contienen valores repetidos, la suposición de la premisa no es válida y es inconveniente de usar.
Función de prueba 2.W shapiro.test, el resultado es que al probar la normalidad de los datos, el valor P es mayor que 0.05.
Vea que la normalidad de los datos del arroz aún se está probando.
3. La función shapiroTest en el paquete de software fBasics
Compruebe que la normalidad de los datos del arroz aún se prueba.
2.7 Prueba de homogeneidad de varianzas
Dado que los datos satisfacen la normalidad, se utilizó la función bartlett.test para realizar una prueba de homogeneidad de varianzas. El resultado encontró que el valor p era mucho mayor. que el nivel de significancia de 0,05. Por lo tanto, la hipótesis nula no puede rechazarse y los datos del arroz en diferentes niveles pueden considerarse isotrópicos. Por lo tanto, se realizó una prueba para varianzas iguales.
Cuando los datos no cumplen con la normalidad, también puedes usar la función leveneTest para probar la homogeneidad de las varianzas.
2.8 Diferencias en las medias de cada grupo 2.8.1 Prueba de función TukeyHSD de TukeyHSD
Para explorar más profundamente las diferencias entre los grupos, se utiliza la prueba de función de TukeyHSD. El método específico es el siguiente:
p>
Para que los gráficos sean más concisos y claros, se modifican los parámetros de dibujo en par. El dibujo es el siguiente:
. Aquí se puede ver claramente que la línea recta con 0 coordenadas es la misma que la línea recta con 0 coordenadas. Se puede ver que la línea recta con coordenada 0 es el valor del nivel de letra, y la parte que se cruza con ella es el grupo con efecto insignificante, y viceversa es el grupo con efecto significativo. Por tanto, también se puede concluir que existen diferencias significativas entre A1-A5, A2-A4, A3-A5 y A4-A5.
2.8.2 Otros métodos
De manera similar, existen otros métodos para revelar diferencias grupales en búsquedas web; aquí utilicé múltiples pruebas t:
Es Es obvio que la diferencia aquí con un valor de p menor que 0,05 es más significativa, lo cual es consistente con la conclusión de la sección anterior.
2.9 Conclusión
A partir de los resultados del análisis de varianza de un solo factor de los datos del arroz, se puede ver que los factores fertilizantes tienen un impacto muy significativo en los resultados del rendimiento, y los resultados se prueban. para cumplir con la normalidad y la varianza igual. Los resultados pueden ser La confiabilidad es alta.
Finalmente, tras la prueba de diferencia de las medias de cada grupo, se puede observar que las diferencias entre los cuatro grupos A1-A5, A2-A4, A3-A5 y A4-A5 son significativas. De la pregunta se puede ver que A5 es el grupo de control. Se puede ver que los tres grupos de fertilizantes A1, A3 y A4 son más efectivos.
2.10 Demostración del código
#Entrada de datos
shuidaodatalt;-c(24, 30, 28, 26,
27, 24 , 21, 26,
31, 28, 25, 30,
32, 33, 33, 28,
21, 22, 16, 21)
# Convertir a marco de datos
namelt;-rep(paste("A", 1:5, sep=""), each=4)
shuidaolt;-data.frame(nombre, shuidaodata)
#ANOVA unidireccional
resultadolt;-aov(shuidaodata~nombre, datos=shuidao)
resumen(resultado)<
#Prueba de normalidad
#Q-Qplot
molt;
qqPlot(mo,main=" Q- Qplot plot", las=T)
#W test
#shapiro.test(shuidaodata)
#shapiroTest del paquete fBasics
#library(fBasics)
# shapiroTest(shuidaodata)
#prueba de varianza chi-cuadrado
bartlett.test(shuidaodata~name, data= shuidao)
# Diferencia de medias del grupo
#DuqiTest
duqilt.-TukeyHSD(resultado)
par(lwd=2, cex .lab=1.5, cex.axis=1.5, col.axis="blue", las=1)
plot(duqi, mgp=c(3, 0.5, 0))
#Prueba t múltiple
#pairwise.t.text(shuidaodata, nombre)
#pairwise.t.text(shuidaodata, nombre)
# pairwise.t.text(shuidaodata, nombre)
#pairwise.t.text(shuidaodata, nombre)