R语言单因素方差分析

《R语言单因素方差分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、R语言单因素方差分析课程报告分析题目：1、录入数据chanliang<-scan()24302826272421263128253032333328212216212、形成数据框，如图chuli<-rep(c('A1','A2','A3','A4','A5'),c(4,4,4,4,4))jieguo=data.frame(chanliang,chuli)jieguo图13、数据分析fit<-aov(chanliang~chuli,data=jieguo)summary(fit)因为结果差异是否显著需要看数据P或Pr，若P上有符号“*”，则说明差异显著，且*越多，差异

2、越大。由下图结果显示，Pr的数据中有三个*，说明差异非常显著，符合预期的要求。有因为有多个数据，因此要进行多种比较分析。如下。4、对分析结果作比较TukeyHSD(fit)Padj越小越显著，又例如diff中，A5-A4<0,则说明A4比较厉害，A4比较符合预期要求。由图可知，多种比较分析中，A5-A4的P值最小，且A5-A4<0，A4比较符合预期要求。图25、画图（置信区间）plot(TukeyHSD(fit))图形说明：若图3中Ai-Aj(i=2,3,4,5.j=1，2,3,4）经过了0的那条虚线，则说明差异不显著，可以对第四步的分析做检验。由图可知，A5-A4

3、,A5-A3,A5-A1,A4-A2差异显著，其中A5-A4差异最显著。由此检验图2。图36、正态检验/方差齐性检验bartlett.test(chanliang~chuli,data=jieguo)由2图与图3对比可检验分析出所需的结论，更加实在的证明了所得结论。方差分析满足以下3个性质：独立性（抽出来的数据不受控制、独立的）、正态性（符合正态分布）、等方差性（方差相等）。7、线性建模result<-lm(chanliang~chuli,data=jieguo)library(car)qqPlot(result,main="aa",lab="FLAST")散点图中

4、的点在实线的周围，且实线在对角线上，即说明正态分布符合。由图4可知，实线在对角线上且点基本在实线周围，因此可知正态分布合理。图4报告总结：由R语言的单因素方差分析可知，由3的数据分析知在不同施肥处理手段下，水稻稻谷产量存在非常显著的差异，即水稻产量的多少与施加不同的化肥有很大的关联。其中，由4分析比较知，A5-A4存在的差异最显著，且A4最厉害，则说明用A4处理手法（施加尿素）可以使水稻产量最大化（对比其它几种施肥手法）。A5-A3<0可知A3比A5厉害，即用A3（施加碳酸氢铵）处理水稻得到的产量次之。其中，在4分析比较中，A5-A1和A4-A2的P知一样大小，说明

5、A5与A1、A4与A2之间的差异是一样的，然而A5-A1<0,A4-A2>0，说明A1比较厉害。又A2-A1<0,即A1比较厉害，说明A1的氨水对稻谷产量的影响比较大。A5-A2<0，即A2也比A5厉害。因此由5、6、7检验也可验证以上结论。由于A5是对照处理的，所以施加尿素、碳酸氢铵、不同工艺下的氨水对水稻稻谷的产量都有促进作用，促进作用：尿素>碳酸氢铵>A1处理下的氨水>A2处理下的氨水>自来水。