nikang3148的博客

文章目录LSDLSD校正Turkeyagricolae包中的相关函数可以实现大多数多重比较的分组标记。LSDLSD方法采用了t检验的方式。#model<-aov(Sepal.Length~Species, data=iris)summary(model) # 方差分析模型#LSD.test结果out <- LSD.test(model,"Species", p.adj="none",console=T)> out$statistics$LSD0.2034688 #

内容提要一般多元回归偏线性回归一般多元回归线性多元回归用于探讨多个自变量对因变量的影响，一般关注的有如下几个指标：因子的敏感性因子的影响重要性评价模型的解释能力因子敏感性可用标准化回归系数影响程度可用方差解释度来评价，常用方法是方差因子分解模型解释能力则用决定系数（R2）然而，自变量也很难独立，或多或少存在某种相关行，还有交互作用，自相关可用方差膨胀因子加以衡量，交互作用也可以通过散点图，或者直接看方差解释度。因此，判断一个因子的影响程度，不仅要考虑其单因子模型，还需要考虑其它变量

Rstudio预览绘图可以显示中文，但输出为pdf中经常无法识别，如下图的x轴标签：经验证，可通过添加export包实现中文字体图形输出，比较方便。#安装export包devtools::install_github("tomwenseleers/export")library(ggplot2)#生成ggplot图p1<-ggplot(iris)+ geom_point(aes(x=Sepal.Length,y=Sepal.Width))+ labs(x="中国")#基本图形

#方差分析dat2<-data.frame(Nrate=rep(rep(c(30,60,90),each=10),10), Ntype=rep(rep(c("CK","NI"),each=10),15), plots=rep(1:30,each=10), days=rep(1:10,30), flux=runif(300,10,100))

R语言中的PCA分析函数R语言常用PCA分析函数有prcomp与princomp, 二者主要是计算方法的差别，建议采用prcomp(SVD方法)prcomp函数prcomp函数使用较为简单，但是不同于常规的求取特征值和特征向量的方法，prcomp函数是对变量矩阵采用SVD方法计算其奇异值（原理上是特征值的平方根），函数帮助中描述为函数结果中的sdev。prcomp函数输入参数为变量矩阵（x...