1.单因素方差分析
这里我们使用multcomp包中的cholesterol数据集(50名患者接受降低胆固醇药物的五种治疗方案的数据)来进行演示。五十个患者分成十人一组,每天服用20克药物。第一组一天一次性服用20克药物;第二组一天分两次服用20克药物;第三组一天分四次服用20克药物。剩余两组办法是drugD和drugE,为两种候选药物。里面只有治疗方案一个因子,所以是单因素方差分析。如果只是看哪个效果更加明显可以直接计算平均值,如果要看影响的显著水平则需要用方差分析。
install.packages("multcomp")#安装multcomp包
library(multcomp)#加载包
attach(cholesterol)#用来加载数据,用attach函数就不需要用变量赋值操作
table(cholesterol$trt)#统计分组情况
aggregate(rescale,by=list(trt),FUN=mean)#分组统计平均数
fit<-aov(response~trt,data=cholesterol)#进行方差分析
summary(fit)#总结结果
F值越大说明组间差异越显著,P值越小说明说明F值越可靠,结果显示F值非常显著,五种治疗方法效果不同。
par(mfrow=c(2,2))
plot(fit)
线性回归一般是对数据框类型进行操作,因子类型的话,就会根据因子进行建模
fit.lm<-lm(response~trt,data=cholesterol)
summary(fit.lm)