<strike id="rrvnz"></strike>

    <noframes id="rrvnz">
    <noframes id="rrvnz"><span id="rrvnz"><pre id="rrvnz"></pre></span><address id="rrvnz"></address>
    <address id="rrvnz"><nobr id="rrvnz"></nobr></address><noframes id="rrvnz">
      <em id="rrvnz"></em>

        首 頁IT知識庫翔宇問吧收藏內容
        當前位置:翔宇亭IT樂園IT知識庫R語言

        使用R語言進行無交互作用的雙因素方差分析

        減小字體 增大字體 作者:biye5u.com  來源:本站原創  發布時間:2019-04-03 08:42:48

        雙因素方差分析就是考慮兩個因素的方差分析,兩個因素可以稱之為因素A和因素B,設因素A有r個水平A1,A2,...,Ar,因素B有s個水平B1,B2,...,Bs.

        雙因素方差分析有兩種類型:

        一種是無交互作用的雙因素方差分析,它假定因素A和因素B的效應之間是相互獨立的,不存在相互關系;

        另一種是有交互作用的方差分析,它假定A、B兩個因素不是獨立的,而是相互起作用的,兩個因素同時起作用的結果不是兩個因素分別作用的簡單相加,兩者的結合會產生一個新的效應。

        這種效應的最典型的例子是,耕地深度和施肥量都會影響產量,但同時深耕和適當的施肥可能使產量成倍增加,這時,耕地深度和施肥量就存在交互作用。兩個因素結合后就會產生出一個新的效應,屬于有交互作用的方差分析問題。

        本文首先探討一下無交互作用的雙因素方差分析相關問題。

        無交互作用的雙因素方差分析的數據結構表如下:

        無交互作用的雙因素方差分析數據結構表

        分析的步驟

        (1)提出假設

        對因素A提出的假設為:
        H0: μ1 = μ2 = … = μi = …= μr  (μi為第i個水平的均值)
        H1: μi (i =1,2, … , r) 不全相等
        對因素B提出的假設為:
        H0: μ1 = μ2 = … = μj = …= μs (μj為第j個水平的均值)
        H1: μj (j =1,2,…,s) 不全相等

        (2)構造檢驗統計量

        總離差平方和:

        總離差平方和SST

        因素A的離差平方和SSA:

        因素A的離差平方和

        因素B的離差平方和SSB:

        因素B的離差平方和

        誤差項平方和SSE:

        誤差項平方和

        各平方和的關系:

        SST = SSA + SSB + SSE

        (3)計算均方MS

        因素A的均方:

        因素A的均方

        因素B的均方:

        因素B的均方

        隨機誤差項的均方:

        (4)計算檢驗統計量F

        (5)統計決策

        將統計量的值F與給定的顯著性水平α的臨界值Fα進行比較,作出接受或拒絕原假設H0的決策:

        根據給定的顯著性水平α在F分布表中查找相應的臨界值 Fα

        若FA≥ Fα,則拒絕原假設H0,表明均值之間的差異是顯著的,即所檢驗的因素(A)對觀察值有顯著影響

        若FB≥Fα,則拒絕原假設H0,表明均值之間有顯著差異,即所檢驗的因素(B)對觀察值有顯著影響

        無交互作用的方法分析表如下:

        無交互作用的雙因素方差分析表

        R語言中進行無交互作用的雙因素方差分析的方法

        在R語言中,無交互作用的雙因素方差分析方法與單因素方差分析所使用的函數相同,即aov函數和summary函數。

        下面舉例子來說明:

        例1:某產品銷售量是否與銷售方式和銷售地點有關

        某公司想知道產品銷售量與銷售方式及銷售地點是否有關,隨機抽樣得表中資料,以0.05的顯著性水平進行檢驗。

          地點一 地點二 地點三 地點四 地點五
        方式一 77 86 81 88 83
        方式二 95 92 78 96 89
        方式三 71 76 68 81 74
        方式四 80 84 79 70 82

         在R中編寫程序如下所示:

        #無重復作用的雙因素方差分析
        #定義銷售量向量
        X<-c(77,86,81,88,83,95,92,78,96,89,71,76,68,81,74,80,84,79,70,82)
        A<-gl(4,5) #銷售方式四種
        B<-gl(5,1,20) #銷售地點五個

        sales<-data.frame(X,A,B) #創建數據框

        sales.aov<-aov(X~A+B,data =sales)
        summary(sales.aov)

        運行結果如下圖所示:

        從分析結果來看,銷售方式的P值=0.00325<0.05,則認為因素A不同銷售方式對銷售量有顯著影響,而銷售地點的P值=0.28814>0.5,沒有充分理由說明銷售地點對銷售量有影響。

        例2:食品包裝和銷售地區對某商品銷售量是否有影響

        為研究食品的包裝和銷售地區對其銷售量是否有影響,在某周的三個不同地區中用三種不同包裝方法進行銷售,獲得的銷售量數據如下表。

        銷售地區(A) 包裝方法(B)
        B1 B2 B3 B4
        A1 45 75 30 40
        A2 50 50 40 48
        A3 35 65 50 53

        檢驗不同的地區和不同的包裝方法對該食品的銷售量是否有顯著影響? (α=0.05)

         在R中編寫程序如下:

        X<-c(45,75,30,40,50,50,40,48,35,65,50,53)
        A<-c(1,1,1,1,2,2,2,2,3,3,3,3)
        #或者A<-gl(4,4)

        B<-rep(c(1:4),3)
        #或者B<-gl(4,1,12)

        dat<-data.frame(X,A,B)

        re<-aov(X~A+B,data=dat)

        summary(re)

        分析結果如下:

        從分析結果來看,因素A和因素B的P值均大于0.05,則可以認為因素A和因素B對食品銷售量沒有影響。

        本文為本站原創,如需轉載請注明出處:翔宇亭IT樂園(http://www.sunyaoshi.com)-使用R語言進行無交互作用的雙因素方差分析(http://www.sunyaoshi.com/article/R/2019/6403.html)

        微信搜索“優雅的代碼”關注本站的公眾號,或直接使用微信掃描下面二維碼關注本站公眾號,以獲取最新內容。

        個人成長離不開各位的關注,你的關注就是我繼續前行的動力。

        知識評論評論內容只代表網友觀點,與本站立場無關!

           評論摘要(共 0 條,得分 0 分,平均 0 分) 查看完整評論
        愿您的精彩評論引起共鳴,帶來思考和價值。
        用戶名: 查看更多評論
        分 值:100分 90分 80分 70分 60分 40分 20分
        內 容:
        驗證碼:
        關于本站 | 網站幫助 | 廣告合作 | 網站聲明 | 友情連接 | 網站地圖
        本站部分內容來自互聯網,如有侵權,請來信告之,謝謝!
        Copyright © 2007-2021 biye5u.com. All Rights Reserved.
        特黄特色三级在线观看 - 视频 - 在线观看 - 影视资讯 -心晴网