有一水稻施肥的盆栽试验,设置了5个处理:A1和A2分别施用两种不同工艺流程的氨水,A3施碳酸氢铵,A4施尿素,A5为对照。每个处理各4盆,随机置于同一试验大棚。水稻稻谷产量见下表。现分析不同施肥处理下,水稻稻谷产量之间是否有显著差异。
1.1.3 课程实习任务
①按课程设计题目要求设计脚本;
②脚本能够完成对水稻数据的单因素方差分析;
③编写代码;
④脚本分析与调试;
⑤撰写实验报告。
1.1.4 课程实习目标
①巩固并加深对R语言的理解和掌握;
②通过课外学习拓展课程知识面;
③提高运用R语言解决生活实际问题的能力;
④初步掌握开发简单脚本的基本方法;
⑤掌握书写程序设计与软件开发的阐述性、总结性文档。2. 程序设计层次及说明展示
由于采用代码注释的方法,形式上不太美观,且不容易直接看到结果,造成阅览不变,故笔者采用了将脚本文件分部分执行,截图进行说明的方法,让每部操作清晰明了,结果明显。再在本节末尾附上代码文件以供阅览。
2.1 数据录入
此处是直接进行了程序录入,将数据录入参数shuidaodata中。其中,每行数据对应一个组别。
而这里可以也可使用scan函数进行交互键入,又或者将数据保存为csv格式,再用read.csv函数根据途径录入也可以。
这里根据每行对应的类型不同分别命名。命名的列量名称为参数name,数据框名为参数shuidao。
由于水稻数据内容构成比较简单,因素单一,所以不需要再融化数据框操作了,因为在数据框形成时已经完成了融化处理的结果,再进行转化反而繁琐,故不需要使用melt函数。同理,此份水稻数据中不包含冗余成分,故也同样不需要冗杂数据处理。
此处直接使用aov函数进行单因素方差分析,得到结果参数result的F值为11.18,p值小于0.05,且各因子水平的均值之间存在十分显著差异。
经过单因素方差分析可得知,肥料因素对产量的结果影响十分显著,也因此可以再做一些步骤来确认其真实性,以及深入了解其差异性的特质。
这里先用lm函数进行线性回归模型拟合,将结果参数mo录入qqPlot函数中,得到下图:
可见回归曲线在范围内,故数据符合正态性检验。
检验正态性的方法不唯一,在网上资料查询中,还有如下方法:
1.ks.test函数,但是由于数据中包含重复数值,故前提假设不成立,不便使用。
2.W检验的shapiro.test函数,得出p值大于0.05时数据正态性得到检验。
可见水稻数据正态性依旧得到检验。
3. fBasics包里的shapiroTest函数
可见水稻数据正态性依旧得到检验。
由于数据满足正态性,故使用bartlett.test函数进行方差齐性检验,得出结果p值远大于显著性水平0.05,因此不能拒绝原假设,认为不同水平下的水稻数据是等方差的。故等方差性得到检验。
而当数据不满足正态性时,也可以使用leveneTest函数进行方差齐性检验。
为更深一步探索每组之间的差异,采用TukeyHSD函数检验,如下:
其中修改了par中的绘图参数,以便图形更加简洁清晰,绘图如下:
在这里可以清晰的看出,与0坐标线是值信水平,与其相交的部分就是效果不显著的组别,反之则是效果显著的组别。也因此可以得出结论:A1-A5、A2-A4、A3-A5、A4-A5之间有显著的差异。
同样的,在网络搜索中,还有其他的方法可以揭示组别之间的差异,此处我使用的是多重t检验法:
在这里可以清晰的看出,p值小于0.05的就是差异较为显著的组别,和上一小节的结论一致。
2.9 结论
从水稻数据的单因素方差分析结果得知,肥料因素对产量的结果影响十分显著,且结果经检验符合正态性、等方差性,故结果较为可信。
最后经过各组均值差异检测后得知,A1-A5、A2-A4、A3-A5、A4-A5四组之间差异较为显著,且由题干可知,A5为对照组,故可知A1、A3、A4三组肥料效果较好。
2.10 代码展示
#数据录入
shuidaodata<-c(24,30,28,26,
27,24,21,26,
31,28,25,30,
32,33,33,28,
21,22,16,21)
#转化为数据框
name<-rep(paste(“A”,1:5,sep=”“),each=4)
shuidao<-data.frame(name,shuidaodata)
#单因素方差分析
result<-aov(shuidaodata~name,data=shuidao)
summary(result)
#正态性检验
#Q-Q图
mo<-lm(shuidaodata~name,data=shuidao)
library(car)
qqPlot(mo,main=”Q-Qplot图”,las=T)
#W检验
#shapiro.test(shuidaodata)
#fBasics包的shapiroTest
#library(fBasics)
#shapiroTest(shuidaodata)
#方差齐性检验
bartlett.test(shuidaodata~name,data=shuidao)
#各组均值差异
#杜奇检验
duqi<-TukeyHSD(result)
par(lwd=2,cex.lab=1.5,cex.axis=1.5,col.axis=”blue”,las=1)
plot(duqi,mgp=c(3,0.5,0))
#多重t检验法
#pairwise.t.text(shuidaodata,name)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师,这一近年来炙手可热的职业,吸引了大量求职者的注意。凭借在大数据时代中的关键作用,数据分析师不仅需要具备处理数 ...
2024-12-25在当今数字化变革的浪潮中,数据分析师这一职业正迎来前所未有的发展机遇。回想我自己初入数据分析行业时,那种既兴奋又略显谨慎 ...
2024-12-25在当今信息爆炸的时代,数据已经像空气一样无处不在,而数据分析则是解锁这些信息宝藏的钥匙。数据分析的过程就像是一次探险,从 ...
2024-12-25在职场上,拍脑袋做决策的时代早已过去。数据分析正在成为每个职场人的核心竞争力,不仅能帮你找到问题,还能提供解决方案,提升 ...
2024-12-24Excel是数据分析的重要工具,强大的内置功能使其成为许多分析师的首选。在日常工作中,启用Excel的数据分析工具库能够显著提升数 ...
2024-12-23在当今信息爆炸的时代,数据分析师如同一位现代社会的侦探,肩负着从海量数据中提炼出有价值信息的重任。在这个过程中,掌握一系 ...
2024-12-23在现代的职场中,制作吸引人的PPT已经成为展示信息的重要手段,而其中数据对比的有效呈现尤为关键。为了让数据在幻灯片上不仅准 ...
2024-12-23在信息泛滥的现代社会,数据分析师已成为企业决策过程中不可或缺的角色。他们的任务是从海量数据中提取有价值的洞察,帮助组织制 ...
2024-12-23在数据驱动时代,数据分析已成为各行各业的必需技能。无论是提升个人能力还是推动职业发展,选择一条适合自己的学习路线至关重要 ...
2024-12-23在准备数据分析师面试时,掌握高频考题及其解答是应对面试的关键。为了帮助大家轻松上岸,以下是10个高频考题及其详细解析,外加 ...
2024-12-20互联网数据分析师是一个热门且综合性的职业,他们通过数据挖掘和分析,为企业的业务决策和运营优化提供强有力的支持。尤其在如今 ...
2024-12-20在现代商业环境中,数据分析师是不可或缺的角色。他们的工作不仅仅是对数据进行深入分析,更是协助企业从复杂的数据信息中提炼出 ...
2024-12-20随着大数据时代的到来,数据驱动的决策方式开始受到越来越多企业的青睐。近年来,数据分析在人力资源管理中正在扮演着至关重要的 ...
2024-12-20在数据分析的世界里,表面上的技术操作只是“入门票”,而真正的高手则需要打破一些“看不见的墙”。这些“隐形天花板”限制了数 ...
2024-12-19在数据分析领域,尽管行业前景广阔、岗位需求旺盛,但实际的工作难度却远超很多人的想象。很多新手初入数据分析岗位时,常常被各 ...
2024-12-19入门数据分析,许多人都会感到“难”,但这“难”究竟难在哪儿?对于新手而言,往往不是技术不行,而是思维方式、业务理解和实践 ...
2024-12-19在如今的行业动荡背景下,数据分析师的职业前景虽然面临一些挑战,但也充满了许多新的机会。随着技术的不断发展和多领域需求的提 ...
2024-12-19在信息爆炸的时代,数据分析师如同探险家,在浩瀚的数据海洋中寻觅有价值的宝藏。这不仅需要技术上的过硬实力,还需要一种艺术家 ...
2024-12-19在当今信息化社会,大数据已成为各行各业不可或缺的宝贵资源。大数据专业应运而生,旨在培养具备扎实理论基础和实践能力,能够应 ...
2024-12-19阿里P8、P9失业都找不到工作?是我们孤陋寡闻还是世界真的已经“癫”成这样了? 案例一:本硕都是 985,所学的专业也是当红专业 ...
2024-12-19