brief
如果数据来自理论分布,t检验,u检验当然适用,如果违反了统计假设怎么办,这时候参数检验就不太适用了?
例如,数据抽样于未知或者混合分布,样本量过小,存在离群点等
- 置换检验处理上述问题的基本思路:
Coin包做独立性检验
# coin 包对于独立性问题提供了一个非常全面的置换检验框架
install.packages("coin")
# lmPerm包专门用来做方差分析和回归分析的置换检验
# 先下载 http://cran.r-project.org/src/contrib/Archive/lmPerm
install.packages("F:/迅雷下载/lmPerm_1.1-2.tar.gz", repos=NULL, type="source")
library(coin)
library(lmPerm)
独立两样本和K样本检验
# 有什么区别?
?wilcoxsign_test #来自coin包 ,置换检验,对照的是经验分布表
?wilcox.test # 来自stats基础包,可选参数更丰富
方差分析和独立性检验 检测物种药物对胆固醇的治疗效果的差异
library(multcomp)
set.seed(1234) # 置换检验时会随机抽样,以及抽样多少次,设定种子可以固定随机数使结果可重现
oneway_test(response~trt, data=cholesterol,distribution=approximate(nresample=9999))
fit <- aov(response~trt, data=cholesterol)
summary(fit)
列联表中的独立性
数值变量间的独立性
两样本和K样本相关性检验
pearson系数检验检验的是相关性系数ρ = 0的显著性,也就是R 来自ρ=0的正态总体的概率
那置换检验检验的是什么?R处于 R的经验分布总体什么位置,是不是处于95%的区间内。
lmPerm包做方差分析和回归分析的置换检验
简单回归和多项式回归
- 加入二次项
多元回归
单因素方差分析
- 单因素协方差分析