ANOVA även känd somAnalysis of Variance är en kraftfull statistisk metod för att testa en hypotes som involverar mer än två grupper (även känd som behandlingar). ANOVA är dock begränsat i att ge en detaljerad insikt mellan olika behandlingar eller grupper, och det är där, Tukey (T) test även känd som T-test kommer in för att spela. I den här handledningen visar jag hur man förberederinput filer och kör ANOVA och Tukey test i R-programvara., För detaljerad information om ANOVA och R, läs den här artikeln på den här länken.
steg 1.0 hämta och installera r-Programvara och R-studio
- ladda ner och installera den senaste versionen av R-Programvaran från den här länken
- ladda ner och installera R-studio från den här länken
- installera slutligen biblioteket qtl i R
Steg 1.,2-Setup arbetskatalog enligt nedanstående steg:
skapa en inmatningsfil som visas i exemplet nedan:
steg 2: Kör anova i r
2.,1 Importera r-paket
Installera r-paket agricolae och öppna biblioteket och skriv följande kommandorad:
library(agricolae)
notera: kom ihåg att installera rätt R-paket
installera paket till Anova!
2.2 importera data
importera data genom att skriva under kommandoraden:
data= read.table(file = "fileName.txt", header = T)2.3 kontrollera data
När data importeras, kontrollera det genom att skriva under kommandoraden:
head(data_pressure)tail(data_pressure)2.,4 Utför ANOVA
kör nu ANOVA genom att skriva följande kommandorader:
data.lm <- lm(data$Dependent_variable ~ data$Treatment, data = data)data.av <- aov(data.lm)summary(data.av)resultaten ska se liknande ut som visas nedan:
från sammanfattningsutgången kan man tolka att det finns en signifikant skillnad (dvs. P < 0.001) mellan Treatments, dock, vi perfom Tukey test för att undersöka skillnaderna mellan alla treaments med hjälp av stegen nedan.
3.,0 Conduct Tukey test
skriv under kommandon för att köra Tukey test:
data.test <- TukeyHSD(data.av)data.testnedan är sammanfattningen av Tukey test:
från ovanstående t-test kan man dra slutsatsen att det finns en signifikant skillnad i de flesta grupper, förutom mellan-grupper E-D på P <
huvudgrupp > 0.,001
Finally, one can plot the above results using the below command:
plot(data.test)Output:
