如何在 R 中使用 Fisher 的最小显着性差异 (LSD)

单向方差分析用于确定三个或更多独立组的平均值之间是否存在统计学上的显着差异。 单向方差分析中使用的假设如下: H 0:每组的均值相等。 H A : 至少其中一种方式与其他方式不同。 如果 ANOVA 的p 值小于某个显着性水平(如 α

单向方差分析用于确定三个或更多独立组的平均值之间是否存在统计学上的显着差异。

单向方差分析中使用的假设如下:

H 0:每组的均值相等。
H A : 至少其中一种方式与其他方式不同。
如果 ANOVA 的p 值小于某个显着性水平(如 α = .05),我们可以拒绝原假设并得出结论,至少一个组均值与其他均值不同。

但是为了准确地找出哪些组彼此不同,我们必须进行事后测试。

您可以使用agricolae包中的LSD.test()函数在 R 中执行此测试。

以下示例显示了如何在实践中使用此功能。

示例:R 中的 Fisher 的 LSD 检验
假设一位教授想知道三种不同的学习技巧是否会导致学生的考试成绩不同

下表显示了每个学生根据他们使用的学习技术的考试成绩:

我们可以使用以下代码创建此数据集并在 R 中对其执行单向方差分析:

#create data frame
df 

发布者:admin,转转请注明出处:http://www.yc00.com/web/1754939863a5217951.html

相关推荐

发表回复

评论列表(0条)

  • 暂无评论

联系我们

400-800-8888

在线咨询: QQ交谈

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息

关注微信