R中单因素方差分析与作图

最新推荐文章于 2023-11-30 22:12:11 发布

原创最新推荐文章于 2023-11-30 22:12:11 发布 · 2.3k 阅读

25 ·

CC 4.0 BY-SA版权

文章标签：

#r语言 #开发语言

生态统计专栏收录该内容

7 篇文章

订阅专栏

该博客介绍了对小白菜试验数据进行统计分析的过程，包括数据的读取、正态性检验（通过QQ图和Shapiro-Wilk检验）、方差齐性检验（采用Bartlett检验）以及单因素方差分析。通过多重比较和图形化展示，揭示了不同处理条件对小白菜鲜重的影响，并以柱状图形式展示了结果，其中使用了Tukey检验进行显著性差异判断。

读取数据

library(tidyverse)
library(readxl)
data2 <- readxl::read_xlsx("C:\\Users\\zhang\\Desktop\\小白菜试验数据.xlsx",sheet="Sheet3")

str(data2)

数据结构
在这里插入图片描述

正态检验

data2_baicai <- data2%>%filter(Species=="小白菜")
##定性检验
qqPlot(lm(data2_baicai$Wet_weight~data2_baicai$Treatment))
qqPlot(lm(log(data2_baicai$Wet_weight)~data2_baicai$Treatment)) ##log转化
##定量检验
shapiro.test(residuals(lm(data2_baicai$Wet_weight~data2_baicai$Treatment)))

shapiro.test(residuals(lm(log(data2_baicai$Wet_weight)~data2_baicai$Treatment)))  ##log转化

原数据残差正态检验

定性
在这里插入图片描述
定量

log转化后正态检验
定性

定量
在这里插入图片描述

方差齐性检验

bartlett.test(log(data2_baicai$Wet_weight),data2_baicai$Treatment)

在这里插入图片描述

单因素方差分析

library(multcomp) ##方差分析包

par(mar=c(4,4,7,4))  ##调整图形大小

data2_baicai$Treatment <- as.factor(data2_baicai$Treatment) ##将数据类型的处理改为因子类型
fit <- aov(log(Wet_weight)~Treatment,data2_baicai) ##方差分析
summary(fit)  ## 方差分析结果

在这里插入图片描述

多重比较

plot(cld(glht(fit, linfct=mcp(Treatment="Tukey")),level = 0.05,col="lightgrey"))  ##多重比较图形化，这里使用Tukey检验

在这里插入图片描述

作图

library(sciplot) ##计算标准误的包
data2_baicai$Treatment <- factor(data2_baicai$Treatment,levels = c("CK","1.25","2.5","5","10"))##改变x轴坐标顺序

data2_baicai%>%group_by(Treatment)%>%
  summarise(mean=mean(Wet_weight),se=se(Wet_weight))%>%  ##分组计算平均值和标准误
  mutate(labels=c("b","b","b","b","a"))%>% ##添加显著性标记到数据中
  ggplot()+
  geom_col(aes(x=Treatment,y=mean))+ ##画柱状图
  geom_errorbar(aes(x=Treatment,ymin=mean-se,ymax=mean+se),width=0.2)+  ##添加误差线
  labs(x="处理",y="鲜重")+  ##更改xy轴的名称
  geom_text(aes(x=Treatment,y=mean+se,label=labels,vjust = -0.5, hjust = "center"))+  ## 添加显著性标记到图形中
  ylim(0,0.08)+  ## 设置y轴的范围
  theme_test()  ##  设置图形主题