ANOVA auch bekannt als Analysis of Variance ist eine leistungsstarke statistische Methode, um eine Hypothese mit mehr als zwei Gruppen (auch bekannt als Behandlungen) zu testen. ANOVA bietet jedoch nur begrenzte detaillierte Einblicke zwischen verschiedenen Behandlungen oder Gruppen, und hier kommt Tukey (T) test, auch bekannt als T-test, ins Spiel. In diesem Tutorial zeige ich, wie Sie input – Dateien vorbereiten und einen ANOVA-und Tukey-Test in R-Software ausführen., Detaillierte Informationen zu ANOVA und R finden Sie in diesem Artikel unter diesem Link.
Schritt 1.0 Herunterladen und installieren R software und R studio
- Herunterladen und installieren Sie die neueste version der R software von diesem link
- Herunterladen und installieren R studio von diesem link
- Schließlich installieren die bibliothek qtl in R
Schritt 1.,2 – Richten Sie das Arbeitsverzeichnis nach den folgenden Schritten ein:
Erstellen Sie eine Eingabedatei wie im folgenden Beispiel gezeigt:
Schritt 2: Führen Sie ANOVA in R
2.,1 Import R paket
Installieren R paket agricolae und öffnen sie die bibliothek eingabe der folgenden befehl linie:
library(agricolae)
Hinweis: Bitte denken sie daran zu installieren die richtige R paket für ANOVA!
2.2 Daten importieren
Importieren Sie Ihre Daten, indem Sie die folgende Befehlszeile eingeben:
data= read.table(file = "fileName.txt", header = T)2.3 Daten prüfen
Sobald die Daten importiert wurden, überprüfen Sie sie, indem Sie die folgende Befehlszeile eingeben:
head(data_pressure)tail(data_pressure)2.,4.ANOVA
Führen Sie nun einfach ANOVA aus, indem Sie die folgenden Befehlszeilen eingeben:
data.lm <- lm(data$Dependent_variable ~ data$Treatment, data = data)data.av <- aov(data.lm)summary(data.av)Die Ergebnisse sollten wie folgt aussehen:
Aus der zusammenfassenden Ausgabe kann man interpretieren, dass es einen signifikanten Unterschied gibt (dh P < 0.001) zwischen dem , jedoch, wir perfom Tukey der Test zu untersuchen die unterschiede zwischen alle bänder mit schritte unten.
3.,0 Tukey-Test durchführen
Geben Sie folgende Befehle ein, um den Tukey-Test auszuführen:
data.test <- TukeyHSD(data.av)data.testUnten ist die Zusammenfassung des Tukey-Tests:
Aus dem obigen T-Test kann man schließen, dass es in den meisten Gruppen einen signifikanten Unterschied gibt, außer zwischen-Gruppen E-D bei P <0.,001
Finally, one can plot the above results using the below command:
plot(data.test)Output:
