R中的假设检验（二）方差分析画图

再有协方差，逻辑回归，卡方，统计这一块就结束了。感觉我在统计这一块花了好多的时间啊，最近疯狂钻。等我把这弄完，R这一块我就不更新了，数据清洗也不要了。博士前都不来更新了！还有好多事情等着我去做，还有论文没写，还有fMRI没研究，还有matlab没有学，我真是个不务正业到极点了，555，希望以后会用到这些知识和手段，不然我巨亏。要赶紧抓时间学习专业知识和领域技术，能发文章的技术才是好技术。

今天就写方差分析的ggplot的画图，以及协方差分析，和逻辑回归。
画方差分析，这里推荐一个用的很多的，不用纠结配色等问题，能快速生成符合杂志要求的包，ggpubr，这个包包含两个函数，里面有stat_compare_means( )，可以添加p值，显著性标签。
palette 调色板，用于按组着色或填充的调色板。允许的值包括灰色调色板的“灰色”；啤酒调色板，如“RdBu”、“Blues”…；或自定义调色板，如c（“蓝色”、“红色”）；以及ggsci R包中的科学期刊调色板，如：“npg”、“aaas”、“lancet”、“jco”、“ucscgb”、“uchicago”、“simpsons”和“rickandmorty”。
comparisons 长度为2的向量的列表。向量中的条目要么是X轴上的2个值的名称，要么是对应于感兴趣组的索引的2个整数，以进行比较。
add 用于添加另一绘图元素的字符矢量（例如：点图或误差线）。允许的值是“无”、“点图”、“抖动”、“方框图”、“点”、“平均值”、“平均值”、“平均值”、“平均值”、“平均值”、“平均值范围”、“中值”、“中值iqr”、“中值mad”、“中值范围”中的一个值或其组合
add.params parameters (color, shape, size, fill, linetype) for the argument ‘add’; e.g.: add.params = list(color = “red”).

ggboxplot(red.cell.folate,x=‘ventilation’,y=‘folate’,fill= “ventilation”, color = ‘ventilation’,
palette = ‘jco’,ylab = ‘FFF’,xlab = ‘VVVV’)+ #备注1
stat_compare_means( label.y = 400,method = ‘anova’)+ #备注2
stat_compare_means(comparisons = list(c(1,2),c(2,3),c(1,3)),label.y = c(380,420,450)) #备注3

备注1：比较简单，不介绍了，palette可以选择杂志的配色。
备注2：函数默认的是Kruskal Wallis检验，可以选择Kruskal、anova，还有两样本的t和Wilcox。
备注3：comparisons是添加两两比较的p值，挺好用的。值得一提的是，可以用因子的储存符号，1，2，3来指定两两组合，也可以用因子的名字来指定，如list（c（‘xxa,‘xxb’）,c (‘xxb’,‘xxc’), c ( ‘xxc’, ‘xxa’)）。这个也很容易理解。
若想去掉图与轴之间的间隙，可以设置成原点scale_y_continuous(expand = c(0,0))，但是需要重新设置y轴的显示范围，很麻烦，我这里就不弄了。

相应的，还有小提琴图（ggviolin（）），线段图（ggline（））、柱状图（ggbarplot（））。随便示例一个。

ggline(red.cell.folate,x=‘ventilation’,y=‘folate’,add =
c(‘mean_se’,‘jitter’),palette = ‘jco’,ylab = ‘FFF’,xlab = ‘VVVV’)+
stat_compare_means( label.y = 430,label.x = .6,method = ‘anova’)+
stat_compare_means(comparisons = list(c(1,2),c(2,3),c(1,3)),label.y = c(380,400,420))

以上就是最常用的了。说实话感觉还是有点小小的麻烦，但是这个自动设置配色确实好评，挺好的。我一般是画一张图就保存其代码，以后要用的时候调出来改改参数。

话说，我突然想到这里有一个坑。就是stat_compare_means函数用的comparisons，**有没有经过校正？没有校正的话，那用了3次两两比较，犯错几率大大增高。**表现在此图就是，图上没有显示显著差异，但是LSD法发现其中两组有显著差异。所以基于此，我觉得ggpubr包虽然方便，可以直接生成顶级杂志配色，但是缺少了严谨性，（1）如果一定要用ggpubr，要么把显示两两比较的p值选项改为stat_compare_means（…label = ’ p.signif '…），这样就显示显著性的符号而没有数字。要么就直接用ggplot2画，手握画笔肯定是最好，表达最充分的。（2）其实换个角度，可以来个骚操作，就是用Photoshop抠图，这么白的图太容易扣了，重新p上去LSD分析后的p值，这非常容易。最不济用ppt也行。（3）最麻烦的方法就是ggplot重新画，因为ggplot的stat没办法用高级统计方法。
下面是我用ggplot实现的上个图，真的是累死我了，我强烈建议大家还是用抠图的方法把，简单省事，别折腾自己了。


真是有被我的毅力给惊讶到，这样基本实现出了上个图，还可以自己自定义p值，可以先用LSD算出来，然后用这个添加小星星或者abc。但是我还是强烈建议大家P图，几分钟弄完的事儿，就没浪费自己的时间，咱又不是专门写代码的料子。
协方差分析
这里留一个坑，日后来补。这个需要花费半天的时间去理解数学思维。本来不用研究这么深的，用的真的很少。但是上次看文献的时候，看到领域内有个大佬的文章用了这个分析方法，当时觉得很有意思就留了个印象，应该不会太难，相信我能学会。以前觉得某某会某个方法，好厉害的样子，发了高分文章，现在回过头来思考，其实方法是固定的，最前沿的方法不一定好，因为它还没经过验证，而提出问题的重要性远大于方法，先提出问题，再用自己会的方法，然后思考这个得出的结果可靠不可靠，再去寻找改进的方法去计算。这样才是一个完整的科研思路，当然，别人用了某个方法解决了问题，这个方法就可以留意下。谁又能说清楚哪些方法一定有用，哪些方法一定没用呢？像我可能只应用到统计学的很小的一部分方法，但是这学习的过程，教给了我严谨的逻辑思维，不能过分追求p值，但是也要尊重p值不显著的事情。这个度靠自己把握，你觉得有意思就往下深入挖掘。

可重复的双因素方差分析
数据展示：

可以看出数据有3个变量，2个分类1个离散。它有两个自变量：width 和 temp，一个因变量：time。
对上面运用双因素方差分析其实很简单，和单因素是基本一样的。
代码示例：anova（lm（time ~ width * temp ）） #输出 width、temp、width：temp的p值。

逻辑回归分析