第2步:计算所有样本均值mean(df$CUL5 )
第3步:计算各组内部误差平方和tmp=lapply(split(df,df$sample_type),function(x) sum((x$CUL5-mean(x$CUL5))^2) )sse = sum(unlist(tmp))
第4步:计算各组间误差平方和tmp=lapply(split(df,df$sample_type),function(x) nrow(x)*(mean(x$CUL5) - mean(df$CUL5 ))^2 )ssb = sum(unlist(tmp))
第5步:计算各组内部均方误mse=sse/(nrow(df)-length(unique(df$sample_type)))
第6步:计算组间均方误msd=ssb/length(unique(df$sample_type))-1
第7步:计算F比率f= msb/msef
第8步:查找F临界值df1=(length(unique(df$sample_type))-1)df2=(nrow(df)-length(unique(df$sample_type)))qf(0.05,2,1215)
差别可知这里的F值是0.05,远小于我们真实情况,所以非常显著了。
第9步:判断是否显著1-pf(f,2,1215)现在我们已经知道了,在选定的显著水平为0.05时候,这个F统计是显著的,但是仍然是不知道哪组之间不一样, 所以可以选择tukey检验
第10步:进行tukey检验,多重比较J·W·图凯(Tukey)于1953年提出一种能将所有各对平均值同时比较的方法,这种方法现在已被广泛采用,一般称之为“HSD检验法”,或称“W法”。 Tukey (John Wilder Tukey) for multiple comparisons 主要应用于3组或以上的多重比较。比如说一共有4组数据,两两比较产生6个统计值,Tukey test用于生成一个critical value来控制总体误差(Familywise error rate,FER);与Tukey test相类似的是Dunnett test,它是控制多对一比较(即3组同时和一个参照组比较)的FER。


雷达卡




京公网安备 11010802022788号







