新
年
快
乐
Tao Wen
2019年1月6日引子
想想看,人生不觉得过了好多,事情还是需要简单的做。library(tidyverse)
library(agricolae)
library(car)
library(reshape2)
需求
在很多时候,我们的需求其实很简单,做一个数据描述,方差分析和基本图形的展示; 在做方差分析之前,我们需要对数据进行正太检验,方差齐性检验。方差分析之后,我们做多重比较。
我们做正态检测####数据导入setwd("F:/#黄老师组会/第四次周日交流R语言/R语言入门")
data_wt = read.table("R语言入门.txt", header = T,
row.names= 1, sep="\t");head(data_wt,n = 10L)## group Tn
## CK1 CK 1.10
## CK2 CK 1.11
## CK3 CK 1.20
## CK4 CK 1.02
## CK5 CK NA
## BOF1 BOF 2.00
## BOF2 BOF 2.10
## BOF3 BOF 2.01
## BOF4 BOF 2.03
## BOF5 BOF 3.03##数据整理colnames(data_wt) = c("group","TN")
head(data_wt)## group TN
## CK1 CK 1.10
## CK2 CK 1.11
## CK3 CK 1.20
## CK4 CK 1.02
## CK5 CK NA
## BOF1 BOF 2.00#data_wt$TN = as.numeric(data_wt$TN)#####数据数据分析与转换+可视化########是否符合正态分布#######qqPlot(lm(data_wt$TN ~ data_wt$group, data=data_wt),
simulate=TRUE, main="Q-Q Plot", lables=FALSE)
## BOF1 BOF5
## 6 10##正态检验shapiro.test(data_wt$TN)##
## Shapiro-Wilk normality test
##
## data: data_wt$TN
## W = 0.85895, p-value = 0.09338#无论Bartlett检验还是Levene检验,两者的P值都大于0.05,#因此接受原假设:样本之间的方差是相同的。因此可以接着做方差分析了。# Bartlett检验bartlett.test(data_wt$TN ~ data_wt$group, data=data_wt)##
## Bartlett test of homogeneity of variances