【交互作用】02. 加法交互 & 乘法交互 [R包 interactionR]1. 原理和方法回顾2. `interactionR` R包介绍 生物学交互作用的评价应该基于是否有相加交互作用， 而流行病学研究中常运用logistic和Cox等广义线性模型， 并纳入乘积项分析因素间交互作用，其是否有意义仅反映相乘交互作用， 并不能反映两因素间相加或生物学交互作用的有无。上篇【交互作用】01
转载
2023-06-21 19:08:11
2173阅读
MyPlan5时间：6.10-6.16周内完成SPSS在方差分析的应用已经做得非常好了，绝大多数的方差分析问题均可通过SPSS“点菜单”的方式得以解决，R语言在统计和可视化方面有自己的特色，我们不妨来对比着学习。完成情况选用R语言自带案例数据集PlantGrowth，研究两个处理和一个对照组对植物产量的影响，每组10例共3记录，主要考察处理对提高植物产量有无影响。数据构成：因变量weight，因子
一、时间 2014-04-02 16:10 今天没到下班时写博客，因为事不多，但是我的工作日志该怎么写呢？？二、事件 我要写博客，希望可以通过博客，来整理自己的学到的东西，和大家讨论交流，一起进步！三、引用 每行每业都有大神，今天就有幸看到一位大神的文章《R是最值得学习的编程语言》，当然我没有在一股脑的说R这个好，那个好的意思，只是觉得这篇文章不错，让我对R语言有了很
文章目录agricolaeDescToolsbruceR1. 回归分析决定系数
R
2
转载
2023-07-21 20:24:58
916阅读
自己整理编写的R语言常用数据分析模型的模板，原文件为Rmd格式，直接复制粘贴过来，作为个人学习笔记保存和分享。部分参考薛毅的《统计建模与R软件》和《R语言实战》聚类分析是一类将数据所研究对象进行分类的统计方法，这一类方法的共同特点是：事先不知道类别的个数和结构，据以进行分析的数据是对象之间的相似性或相异性的数据。将这些相似（相异）性数据看成是对象之间的“距离”远近的一种度量，将距离近的变量归为一类
转载
2023-08-17 16:36:54
313阅读
1. 方差分析假定：正态性（否则建立广义线性模型），独立性（否则建立混合线性模型，定义G矩阵和R矩阵），齐次性（否则混合线性模型，定义G矩阵和R矩阵）2. 单因素方差分析（为什么高级心统老师讲“边际均值比较”更常用？）2.1 安装相关R包，并找出数据（来源“agridat，将数据命名dat）。这里使用devtools下载github上的文件，devtools后面的格式是install_github
直方图实例：nutshell包的births2006.smpl数据集，包含了2006年美国出生人口的数据的10%样本，每一条记录有13个变量。使用数据集前，需通过install.packages(“nutshell”)安装并加载。以美国出生人口数据为例，利用直方图查看不同胎儿数下婴儿的平均重量。执行以下代码得到下图的直方图。library(lattice)library(nutshell)data
转载
2023-06-21 19:23:54
172阅读
浅析R语言多组定量资料非参数检验的多组比较及簇状柱形图显著性字母标记之分面与分组的图形艺术R语言多组定量资料非参数检验的多组比较非参数检验的应用参数检验是在已知总体分布的条件下(一般要求总体服从正态分布)对一些主要的参数(如均值、百分数、方差、相关系数等)进行的检验，有时还要求某些总体参数满足一定的条件。如独立样本的t检验和方差分析不仅要求总体符合正态分布，还要求各总体方差齐性。而当我们的数据不满
转载
2023-08-21 12:29:42
260阅读
原文链接：http://tecdat.cn/?p=9578目录测试方法画图具有五个p值的多重比较示例画图测试方法R具有内置的方法来调整一系列p值，以控制按族分类的错误率或控制错误发现率。Holm，Hochberg，Hommel和Bonferroni的方法控制着家庭错误率。这些方法试图限制甚至一个错误发现的可能性（I型错误，在没有实际效果时错误地拒绝零假设），因...
原创
2021-05-12 14:08:45
444阅读
原文链接：http://tecdat.cn/?p=9578目录测试方法画图具有五个p值的多重比较示例画图测试方法R具有内置的方法来调整一系列p值，以控制按族分类的错误率或控制错误发现率。Holm，Hochberg，Hommel和Bonferroni的方法控制着家庭错误率。这些方法试图限制甚至一个错误发现的可能性（I型错误，在没有实际效果时错误地拒绝零假设），因...
原创
2021-05-12 14:08:44
463阅读
# 实现“交互项R语言”的步骤
## 1. 理解问题
在开始实现交互项R语言之前，我们首先要理解这个概念。交互项是指两个或多个自变量之间的相互作用，它可以帮助我们更好地理解和解释数据中的关系。R语言是一种强大的统计分析和数据可视化工具，我们可以利用它来进行交互项分析。
## 2. 数据准备
在进行交互项分析前，我们首先需要准备好数据。可以使用以下代码将数据导入R环境中：
```R
data
文章目录R语言介绍R语言基本语法R语言常用函数有哪些R语言数据结构向量矩阵数组和列表数组列表数据框因子R如何导入数据如何在R语言中导出数据？R语言图形绘制描述性统计描述统计也可以这样来计算统计推断配对设计t检验样本均数和总体均数t检验两（独立）样本t检验R语言组间差异的非参数检验单因素方差分析R语言双因素方差分析方法R语言重复测量方差分析回归分析R语言回归分析R语言多元回归分析R语言logist
转载
2023-06-21 19:07:40
0阅读
作者：丁点helper前几天的文章，我们聚焦在回归分析，今天来看看在回归分析中常常要研究的一类难点问题——交互作用的探究。交互（interaction），字面上不太好理解，但是从数学表达上却很简单。如果想要研究两个自变量如X1和X2的交互作用，通常的做法就是将两个变量相乘，即X1*X2，然后把乘积项纳入到回归方程。操作起来很简单，但交互项的纳入对于回归系数的解读却带来了新的问题。以一个很经典的例子
加载数据和R包数据预处理选择模型选择重抽样方法构建workflow运行模型查看结果可视化结果选择最好的模型用于测试集 加载数据和R包首先还是加载数据和R包，和前面的一模一样的操作，数据也没变。suppressPackageStartupMessages(library(tidyverse))
suppressPackageStartupMessages(library(tidymodels)
# 多重比较结果解读
在统计学中，进行多重比较是常见的数据分析步骤，用于比较多个组或处理之间的差异。在R语言中，我们可以使用不同的函数来进行多重比较，比如TukeyHSD或者multcomp包。在本文中，我们将通过一个简单的例子来介绍如何进行多重比较，并解读结果。
## 代码示例
首先，我们生成一个包含不同组的数据集，然后使用ANOVA进行方差分析，最后进行多重比较。
```R
# 生成数
R语言中进行多重检验的校正是非常重要的，因为在进行多个假设检验时，可能会出现假阳性（即错误地拒绝真实假设）的情况。为了控制这种错误，我们需要对所得到的p值进行校正。
一种常见的多重检验校正方法是Bonferroni校正。Bonferroni校正是一种简单而直接的方法，它将显著性水平除以进行的总假设检验数。代码示例如下：
```{r}
# 模拟数据
set.seed(123)
data
## R语言多重比较结果分析
多重比较是统计分析中重要的一部分，尤其在进行方差分析（ANOVA）后，研究人员常常需要对不同组之间的均值进行比较。R语言提供了丰富的功能来进行多重比较，包括Tukey HSD、Bonferroni校正等方法。在本文中，我们将探讨如何使用R语言进行多重比较及其结果分析，提供代码示例，并配合类图和关系图进一步解释。
### 一、背景知识
在进行方差分析后，如果发现组
1. 多重比较多重比较法是多个等方差正态总体均值的比较方法。经过方差分析法可以说明各总体均值间的差异是否显著，即只能说明均值不全相等，但不能具体说明哪几个均值之间有显著差异。t检验只能说明两个均值的差异是否显著。比较m个均值，需要单独进行(m/2)=m(m-1)/2次t检验，不但工作量大，而且误差也大。多重比较法可以克服这些缺点。上面百度百科的定义，通俗一点来讲：有10个品种的，产量数据...
原创
2021-06-04 22:29:42
201阅读
1. 多重比较多重比较法是多个等方差正态总体均值的比较方法。经过方差分析法可以说明各总体均值间的差异是否显著，即只能说明均值不全相等，但不能具体说明哪几个均值之间有显著差异。t检验只能说明两个均值的差异是否显著。10个品种的，产量数据...
原创
2022-02-16 15:45:20
136阅读
? 文章目录一、数据展示二、模型分析三、调用函数四、循环比较所有结果 一般来说，anova是可以完成多重比较的，但由于数据是非等长，因此统计功效会大幅缩减，这里故而使用非参数检验 pairwise.wilcox.test（）函数。 一、数据展示 本例中使用的R包为openxlsx，tidyverse，agricolae，exportdata = read.csv("C:/Users/
