Professional Documents
Culture Documents
ניתוחי שונות ומשתני דמה
ניתוחי שונות ומשתני דמה
library(dplyr)
group_by(data,x1,x2,...) %>%
summarise(
count = n(),
#one-way ANOVA:
summary(res.aov)
data$c1[data$x=="level1"]<- -0.5
data$c1[data$x=="level2"]<- 1
data$c1[data$x=="level3"]<- -0.5
data$c2[data$x=="level1"]<- -1
data$c2[data$x=="level2"]<- 0
data$c2[data$x=="level3"]<- 1
#example
data$c1[data$drug=="placebo"]<- -0.5
data$c1[data$drug=="anxifree"]<- -0.5
data$c1[data$drug=="joyzepam"]<- 1 )
data$c1<-as.numeric(data$c1)
data$c2<-as.numeric(data$c2)
summary(model1)
. נובע מההבדל שבדקנו בקונטרסט הראשוןF ההבדל במבחן, כלומר. מובהקc1 ניתן לראות שרק
summarise(
mean = mean(mood.gain)))
library(dplyr)
summary(res.aov)
: יש שתי דרכים לעשות זאת. לכן נבנה קונטרסטים, מובהקיםx-ניתן לראות ששני ה
#c3- interaction
( #example:
summary(model2)
שני האפקטים העיקריים- כלומר,שבו אנחנו רואים שרק שני הקונטרסטים הראשונים מובהקים
פה לזה שקיבלנו במודל הרגילres אם נשווה את ה, בנוסף. והאינטראקציה לא מובהקת,מובהקים
. כלומר האינטראקציה לא ממש השפיעה,(בלי הקונטרסטים) נראה שאין הרבה שינוי
summary(modelsame)
#when doing that, R gives us the two main effects and interaction.
אם אני אכפול במשתנה.x1*x2-ְ ו,x1, x2 לנבא באמצעותR(כשעשינו כפל במודל בעצם אמרנו ל
את האינטראקציות הזוגיות וגם את,נוסף אני אקבל את האפקטים העיקריים של שלושת המשתנים
).האינטראקציה המשולשת
:משתני דמה
#dummy coding:
, בונה את משתני הדמה בעצמהlm- פקודת ה,Rכשאנחנו עושים רגרסיה עם משתנים קטגוריאליים ב
. משתנה באופן אקראי0,0-ומציבה ב
summary(regmodel)
#asking R to tell us how the variables are coded ( 0- ומה כ1-)הפקודה מראה לנו מה קודד כ
contrasts(data$x)
data$c1[data$x=="level1"]<- 0
data$c1[data$x=="level2"]<- 1
( #example:
data2$c1[data2$test.preparation.course=="completed"]<- 0
data2$c1[data2$test.preparation.course=="none"]<- 1 )
data$c1<-as.numeric(data$c1)
#build a model
summary(model)
מזה נקבל את הפלט הבא:
כשנעשה מודל עם פקודת lmכאשר יש לנו גם משתנה רציף וגם משתני דמה: