标签：non 辅导课 vol ANOVA 方差分析 NOTE PART base 我们
原文链接：http://tecdat.cn/?p=18087
方差分析是一种常见的统计模型，顾名思义，方差分析的目的是比较平均值。
为了说明该方法，让我们考虑以下样例，该样例为学生在硕士学位课程中的最终统计考试成绩（分数介于0到20之间）。这是我们的因变量 。“分组”变量将是学生参加辅导课的方式，采用“自愿参与”，“非自愿参与”的方式。最后是“不参与”（不参加或拒绝参加的学生）。为了形成组，我们有两个变量。第一个是学生的性别（“ F”和“ M”），第二个是学生的身份（取决于他们是否获得许可）。
> tail(base)
PART GEN ORIG NOTE
112 vol F R1 16.50
113 non_vol. M R1 11.50
114 non_vol. F R1 10.25
115 non_vol. F R1 10.75
116 non_vol. F a 10.50
117 vol M R1 15.75在开始多因素分析之前，让我们从单因素分析开始。我们可以查看分数的变化，具体取决于分组变量
> boxplot(base$NOTE~base$PAR
> abline(h=mean(base$NOTE),lty=2,col="re
我们还可以根据性别来查看
> boxplot(NOTE~GEN,ylim=c(6,20))
在方差分析中，假设 ，
指定可能的处理方式（这里有3种）。
我们将考虑对 作为补充假设
。然后，我们将估计两个模型。
第一个是约束模型。
> sum(residuals(lm(NOTE~1,data=base))^2)
[1] 947.4979对应于
> (SCR0=sum((base$NOTE-mean(base$NOTE))^2))
[1] 947.4979第二，我们进行回归，
> sum(residuals(lm(NOTE~PART,data=base))^2)
[1] 112.5032当我们与子组的平均值进行比较时，就等于查看了误差，
>
> (SCR1=sum((base$NOTE-base$moyNOTE)^2))
[1] 112.5032费舍尔的统计数据
> (F=(SCR0-SCR1)*(nrow(base)-3)/SCR1/(3-1))
[1] 423.0518判断我们是否处于接受或拒绝假设的范围内 ，可以看一下临界值，它对应于费舍尔定律的95％分位数，
> qf(.95,3-1,nrow(base)-3)
[1] 3.075853由于远远超过了这个临界值，我们拒绝 。我们还可以计算p值
> 1-pf(F,3-1,nrow(base)-3)
[1] 0在这里（通常）为零。它对应于我们通过函数得到的
Analysis of Variance Table
Response: NOTE
Df Sum Sq Mean Sq F value Pr(>F)
PART 2 834.99 417.50 423.05 < 2.2e-16 ***
Residuals 114 112.50 0.99
---或者
Terms:
PART Residuals
Sum of Squares 834.9946 112.5032
Deg. of Freedom 2 114
Residual standard error: 0.9934135
Estimated effects may be unbalanced可以总结为
Analysis of Variance Table
Response: NOTE
Df Sum Sq Mean Sq F value Pr(>F)
PART 2 834.99 417.50 423.05 < 2.2e-16 ***
Residuals 114 112.50 0.99
---
我们在这里可以看到分数并非独立于分组变量。
我们可以进一步挖掘。Tukey检验提供“多重检验”，它将成对地查看均值的差异，
Tukey multiple comparisons of means
95% family-wise confidence level
$PART
diff lwr upr p adj
non_vol.-non_part. 0.60416 -0.04784 1.2561 0.07539
volontaire-non_part. 6.66379 5.92912 7.3984 0.00000
volontaire-non_vol. 6.05962 5.54078 6.5784 0.00000我们在这里看到，“非自愿”和“非参与”之间的差异不显着为非零。或更简单地说，假设我们将接受零为零的假设。另一方面，“自愿”参加的得分明显高于“非自愿”参加或不参加的得分。我们还可以成对查看学生的检验，
Pairwise comparisons using t tests with pooled SD
data: NOTE and PART
non_part. non_vol.
non_vol. 0.03 -
volontaire <2e-16 <2e-16如果我们将“非自愿”和“非参与”这两种方式结合起来，并将这种方式与“自愿”方式进行比较，我们最终将对平均值进行检验，
Welch Two Sample t-test
data: NOTE[PART == "volontaire"] and NOTE[PART != "volontaire"]
t = 29.511, df = 50.73, p-value < 2.2e-16
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
5.749719 6.589231
sample estimates:
mean of x mean of y
16.66379 10.49432我们看到，我们在这里接受了“志愿者”学生的成绩与其他学生不同的假设。
在继续之前，请记住在模型中
在某种意义上说，与对应于同调模型
不依赖分组
。
我们可以使用Bartlett检验（该检验将检验方差的同质性）来检验该假设，请记住，如果p值超过5％，则假设“方差齐整性”得到了验证
Bartlett test of homogeneity of variances
data: base$NOTE and base$PART
Bartlett's K-squared = 0.5524, df = 2, p-value = 0.7587更进一步，我们可以尝试对性别进行方差分析的两因素分析，通常要根据我们的分组情况，也可以根据性别对变量进行分析。当均值的形式为零时，我们将讲一个没有相互作用的模型 ，我们可以包括我们考虑的交互
总的来说，我们的模型
其中，按实验处理方式表示与观察到的平均值平均值的偏差，而按组表示与所观察到的平均值平均值的偏差。这样可以通过添加一些约束来识别模型。最大似然估计：
对应于总体平均值
对应于每次实验的平均值（或更确切地说，它与总体平均值的偏差），
最后
是
我们对一组进行方差分析
对于约束模型，
和
表示实验次数和组数
方差分解公式在这里给出
我们将进行手动计算，
Terms:
PART GENRE PART:GENRE Residuals
Sum of Squares 834.9946 20.9618 3.4398 88.1017
Deg. of Freedom 2 1 2 111
Residual standard error: 0.8909034
Estimated effects may be unbalanced总结结果
Analysis of Variance Table
Response: NOTE
Df Sum Sq Mean Sq F value Pr(>F)
PART 2 834.99 417.50 526.0081 < 2.2e-16 ***
GENRE 1 20.96 20.96 26.4099 1.194e-06 ***
PART:GENRE 2 3.44 1.72 2.1669 0.1194
Residuals 111 88.10 0.79
---由于实验组与对照组之间似乎没有任何交互作用，因此可以将其从方差分析中删除。
Analysis of Variance Table
Response: NOTE
Df Sum Sq Mean Sq F value Pr(>F)
PART 2 834.99 417.50 515.364 < 2.2e-16 ***
GENRE 1 20.96 20.96 25.875 1.461e-06 ***
Residuals 113 91.54 0.81
---从结果可以看到（自愿）参加课程会有所帮助。
最受欢迎的见解
3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）
5.R语言回归中的Hosmer-Lemeshow拟合优度检验
6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现
9.R语言如何在生存分析与Cox回归中计算IDI，NRI指标
标签：non,辅导课,vol,ANOVA,方差分析,NOTE,PART,base,我们 来源： https://blog.51cto.com/u_15198753/2770040
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。