t檢驗和方差分析

若需對樣本進行正态性檢驗和方差齊性檢驗，請參見：分布一緻性和離散一緻性檢驗

1、t檢驗

    t.test(x, mu=0)    #單樣本t檢驗，預設總體均數為0

    t.test(x,y,paired=T)    #配對t檢驗

    t.test(x,y)    #兩獨立樣本t檢驗

2、方差分析

    summary(aov(x~group))    #單因素方差分析

    x=aov(x~group1*group2)    #雙因素方差分析，包含互動效應

    TukeyHSD(x)    #方差分析有意義後，可以進行Tukey's多重比較，預設對拟合模型中的所有項進行比較

   注意：方差分析時分組變量應為因子變量，否則自由度計算有問題

重複測量的方差分析

    #生産模拟資料，0為對照組，1為實驗組，兩次測量

    y1=c(rnorm(26,26,2),rnorm(26,22,2));

    y0=c(rnorm(22,26,2),rnorm(22,24,2));

    id=c(1:26,1:26,1:22,1:22);

    g=c(rep(1,26*2),rep(0,22*2));

    t=c(rep(0,26),rep(1,26),rep(0,22),rep(1,22));

    data=data.frame(y=c(y1,y0),id,g,t)

    #分組統計與方差分析

    aggregate(data$y,by=list(g=data$g,t=data$t),function(x) c(mean(x),sd(x)))

    summary(aov(y~t+Error(id/t),data=data[data$g == 0,]))

    summary(aov(y~t+Error(id/t),data=data[data$g == 1,]))

    summary(aov(y~g*t+Error(id/t),data=data))

版權聲明：本文為CSDN部落客「weixin_33816300」的原創文章，遵循CC 4.0 BY-SA版權協定，轉載請附上原文出處連結及本聲明。

原文連結：https://blog.csdn.net/weixin_33816300/article/details/91890127