ANOVA ook bekend als Analysis of Variance is een krachtige statistische methode om een hypothese te testen waarbij meer dan twee groepen betrokken zijn (ook wel behandelingen genoemd). Echter, ANOVA is beperkt in het verstrekken van een gedetailleerd inzicht tussen verschillende behandelingen of groepen, en dit is waar, Tukey (T) test ook bekend als T-test in het spel komt. In deze tutorial zal ik laten zien hoe input bestanden te bereiden en ANOVA en Tukey test uit te voeren in R software., Voor gedetailleerde informatie over ANOVA en R, lees dan dit artikel op deze link.
stap 1.0 Download en installeer R software en R studio
- Download en installeer de nieuwste versie van de R software vanaf deze link
- Download en installeer R studio vanaf deze link
- tot slot installeer de bibliotheek qtl in R
Stap 1.,2 – stel een werkmap het volgen van de onderstaande stappen:
het Maken van een input-bestand zoals getoond in onderstaand voorbeeld:
Stap 2: Uitvoeren van ANOVA in R
2.,1 Importeer R pakket
Installeer R pakket agricolae en open de bibliotheek met de volgende opdrachtregel:
library(agricolae)
Opmerking: Vergeet niet om het juiste r-pakket voor Anova te installeren!
2.2 Gegevens importeren
uw gegevens importeren door de onderstaande opdrachtregel te typen:
data= read.table(file = "fileName.txt", header = T)2.3 gegevens controleren
zodra de gegevens worden geïmporteerd, controleert u deze door de onderstaande opdrachtregel te typen:
head(data_pressure)tail(data_pressure)2.,4 Gedrag ANOVA
Nu, Gewoon ANOVA typt u de onderstaande opdracht regels:
data.lm <- lm(data$Dependent_variable ~ data$Treatment, data = data)data.av <- aov(data.lm)summary(data.av)De resultaten mogen er ongeveer zoals hieronder te zien is:
Uit de samenvatting van de output, men kan interpreteren dat er een significant verschil (d.w.z. P < 0.001) tussen de Treatments echter, wij verrichten Tukey ‘ s Test om te onderzoeken wat de verschillen zijn tussen alle treaments behulp van de stappen hieronder.
3.,0 Tukey-test uitvoeren
Typ onderstaande commando ‘ s om Tukey-test uit te voeren:
data.test <- TukeyHSD(data.av)data.testHieronder is de samenvatting van de Tukey-test:
uit de bovenstaande T-test kan worden geconcludeerd dat er een significant verschil is in de meeste groepen, behalve tussen-groepen E-D bij P <0.,001
Finally, one can plot the above results using the below command:
plot(data.test)Output:
