ANOVA a Tukey test v r software v několika krocích!

ANOVA také známý jako Analysis of Variance je silná statistická metoda pro testování hypotézy zahrnující více než dvě skupiny (také známé jako léčba). Nicméně, ANOVA je omezena na poskytování podrobných poznatků mezi různými léčby nebo skupiny, a to je místo, kde, Tukey (T) test také známý jako T-test přijde hrát. V tomto tutoriálu ukážu, jak připravit soubory input a spustit test ANOVA a Tukey v softwaru R., Podrobné informace o ANOVA a R, přečtěte si tento článek na tomto odkazu.

Krok 1.0 Stáhnout a nainstalovat R software a R studio

1. Stáhnout a nainstalovat nejnovější verzi R software z tohoto odkazu
2. Stáhnout a nainstalovat R studio z tohoto odkazu
3. Konečně, nainstalujte knihovny qtl v oblasti Výzkumu

Krok 1.,2 – Nastavení pracovního adresáře následujících níže uvedených kroků:

Vytvořit vstupní soubor, jak je uvedeno v příkladu níže:

2.,1 Import R balení

Instalovat R balíček agricolae a otevřít knihovnu zadáním níže příkazového řádku:

library(agricolae)

Poznámka: Prosím, nezapomeňte nainstalovat správnou R balíček pro ANOVA!

2.2 Import dat

Import dat zadáním níže příkazového řádku:

data= read.table(file = "fileName.txt", header = T)

2.3 Zkontrolovat údaje

Jakmile jsou data importována, zkontrolujte si to zadáním níže příkazového řádku:

head(data_pressure)tail(data_pressure)

2.,4 Chování ANOVA

Teď, Stačí spustit ANOVA zadáním níže příkazové řádky:

data.lm <- lm(data$Dependent_variable ~ data$Treatment, data = data)data.av <- aov(data.lm)summary(data.av)

výsledek by měl vypadat podobně jako je vidět níže:

Od souhrnný výstup, lze interpretovat, že existuje významný rozdíl (tj. P < 0.001) mezi Treatments, nicméně jsme perfom Tukey Test pro zjištění rozdílů mezi všemi treaments pomocí kroků níže.

3.,0 Chování Tukey test

Typ níže příkazy ke spuštění Tukey test:

data.test <- TukeyHSD(data.av)data.test

Níže je shrnutí Tukey test:

Z výše uvedeného T-testu, lze konstatovat, že existuje významný rozdíl ve většině skupin, výjimkou mezi-skupiny, E-D na P <0.,001

Finally, one can plot the above results using the below command:

plot(data.test)

Output: