Table des matières:
- Pour cet exemple simple, construire le modèle est un jeu d'enfant. Vous voulez essentiellement modéliser les moyennes pour le nombre de variables en fonction de la pulvérisation variable. Vous traduisez cela par R comme ceci:
- >> AOVModel Appel: aov (formule = compte ~ spray, données = InsectSprays) Termes: pulvérisation Résidus Somme des carrés 2668. 833 1015. 167 Deg. de Freedom 5 66 Erreur-type résiduelle: 3. 921902 Les effets estimés peuvent être déséquilibrés
Vidéo: R pour les Nuls - Test de Mann-Whitney avec R 2025
Une analyse de variance (ANOVA) est une technique très courante utilisée avec R pour comparer les moyennes entre différents groupes de données. Pour illustrer ceci, jetez un oeil à l'ensemble de données InsectSpray: >> str (InsectSprays) 'data. frame ': 72 obs. de 2 variables: $ count: num 10 7 20 14 14 12 10 23 17 20 … $ spray: Facteur avec 6 niveaux "A", "B", "C", "D", …: 1 1 1 1 1 1 1 1 1 1 …
Cet ensemble de données contient les résultats d'une expérience agricole. Six insecticides ont été testés sur 12 champs chacun, et les chercheurs ont compté le nombre de punaises persistantes sur chaque champ. Maintenant, les agriculteurs ont besoin de savoir si les insecticides font une différence, et si oui, lequel ils utilisent le mieux. Vous répondez à cette question en utilisant la fonction aov () pour effectuer une ANOVA.
Pour cet exemple simple, construire le modèle est un jeu d'enfant. Vous voulez essentiellement modéliser les moyennes pour le nombre de variables en fonction de la pulvérisation variable. Vous traduisez cela par R comme ceci:
Vous passez deux arguments à la fonction aov () dans cette ligne de code:
Le nombre de formules ~ spray, qui se lit comme "compte en fonction de la pulvérisation"
-
Les données d'argument, où vous spécifiez la trame de données dans laquelle les variables de la formule peuvent être trouvées
Chaque fonction de modélisation renvoie un objet modèle avec beaucoup d'informations sur le modèle ajusté. Mettez toujours cet objet de modèle dans une variable. De cette façon, vous n'avez pas besoin de remonter le modèle lorsque vous devez effectuer des calculs supplémentaires.
-
Comment regarder l'objet du modèle
Comme pour tout objet, vous pouvez regarder un objet modèle en tapant simplement son nom dans la console. Si vous faites cela pour le modèle d'objet que vous avez créé, vous voyez la sortie suivante:
>> AOVModel Appel: aov (formule = compte ~ spray, données = InsectSprays) Termes: pulvérisation Résidus Somme des carrés 2668. 833 1015. 167 Deg. de Freedom 5 66 Erreur-type résiduelle: 3. 921902 Les effets estimés peuvent être déséquilibrés
Cela ne vous dit pas grand-chose, à part la commande (ou l'appel
appel
) que vous avez utilisé pour construire le modèle et quelques informations de base sur le résultat d'ajustement.
Dans la sortie, vous avez également lu que les effets estimés peuvent être déséquilibrés. Ce n'est pas un avertissement - c'est un message qui est construit par l'auteur de la fonction aov (). Celui-ci peut apparaître dans deux situations: Vous n'avez pas le même nombre de cas dans chaque groupe. Vous n'avez pas défini de contrastes orthogonaux.
Dans ce cas, c'est la deuxième raison.
Vous passez deux arguments à la fonction aov () dans cette ligne de code:
Le nombre de formules ~ spray, qui se lit comme "compte en fonction de la pulvérisation"
-
Les données d'argument, où vous spécifiez la trame de données dans laquelle les variables de la formule peuvent être trouvées
Chaque fonction de modélisation renvoie un objet modèle avec beaucoup d'informations sur le modèle ajusté. Mettez toujours cet objet de modèle dans une variable. De cette façon, vous n'avez pas besoin de remonter le modèle lorsque vous devez effectuer des calculs supplémentaires. -
Comment regarder l'objet du modèle
Comme pour tout objet, vous pouvez regarder un objet modèle en tapant simplement son nom dans la console. Si vous faites cela pour le modèle d'objet que vous avez créé, vous voyez la sortie suivante:
>> AOVModel Appel: aov (formule = compte ~ spray, données = InsectSprays) Termes: pulvérisation Résidus Somme des carrés 2668. 833 1015. 167 Deg. de Freedom 5 66 Erreur-type résiduelle: 3. 921902 Les effets estimés peuvent être déséquilibrés
Cela ne vous dit pas grand-chose, à part la commande (ou l'appel
appel) que vous avez utilisé pour construire le modèle et quelques informations de base sur le résultat d'ajustement.
Dans la sortie, vous avez également lu que les effets estimés peuvent être déséquilibrés. Ce n'est pas un avertissement - c'est un message qui est construit par l'auteur de la fonction aov (). Celui-ci peut apparaître dans deux situations: Vous n'avez pas le même nombre de cas dans chaque groupe. Vous n'avez pas défini de contrastes orthogonaux.
Dans ce cas, c'est la deuxième raison.
