方差分析

方差分析

前言

之前的预测问题都是基于量化的预测变量和响应变量，当预测变量是因子或者解释性变量的时候，回归模型无法很好的解释，此时，我们利用方差分析来解释不同组的差别(ANOVA)。这一章节涉及的软件包有gplots,car,multcomp,HH等，请自行下载。

ANOVA模型

ANOVA其实是广义线性模型的一种特殊形式，aov()函数提供的结果是比较不同组之间差异的显著性，而回归模型提供的结果是预测的值。

aov(formula,data=dataframe)
formula:Y~A+B+A:B+A*B
四种变量关系，单独的影响，交互效应，交叉影响

1.单因素方差分析

导入数据集cholesterol，治疗效果和药物每天注射量和注射次数的关系。

library(multcomp)
attach(cholesterol)
table(trt)
## trt
##  1time 2times 4times  drugD  drugE 
##     10     10     10     10     10
aggregate(response,by=list(trt),FUN=mean)
##   Group.1        x
## 1   1time  5.78197
## 2  2times  9.22497
## 3  4times 12.37478
## 4   drugD 15.36117
## 5   drugE 20.94752
aggregate(response,by=list(trt),FUN=sd)
##   Group.1        x
## 1   1time 2.878113
## 2  2times 3.483054
## 3  4times 2.923119
## 4   drugD 3.454636
## 5   drugE 3.345003
fit<-aov(response~trt)
summary(fit)
##             Df Sum Sq Mean Sq F value   Pr(>F)    
## trt          4 1351.4   337.8   32.43 9.82e-13 ***
## Residuals   45  468.8    10.4                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

table的结果表明每位病人都接受了每种治疗方案，aggregate的结果表明，drugE的效果最好，1times的效果最差，那么它们之间有没有明显的差异性呢？P值的结果告诉我们，差异性很显著(P<0.001)。

• 用plotmeans()来展示各组数据的均值和置信区间.

library(gplots)
plotmeans(response~trt,xlab = "Treatment",ylab="Response",main="Mean Plot with 95% CIs")

2.多重比较

ANOVA 的F检验值告诉我们各组之间存在差异性，但是并未说明具体哪两个