1, data0507 flowers は、2 つの高度と 2 つの温度における特定の植物の開花高さです。適切な統計手法を使用して、さまざまな温度でのこの植物の開花高さをテストしてください。標高や気温に違いはあるのでしょうか?違いがあるとしたら、どのように違うのでしょうか? (計算プロセスに関係する重要な情報を含む、根拠や結論などの重要な情報を説明します)
library(HH) HH パッケージ内の #interaction2wt() は主効果と相互作用効果を同時に表示できます
花 <- read.delim("D:/Datum/Biostatistics/data/data5/data0507 flowers.txt")
花
高度 温度 タイヤの高さ 1 1 1 148.7 2 1 1 148.3 3 1 1 147.7 4 1 1 148.7 5 1 1 148.3 6 1 1 147.7 7 1 1 148.7 8 1 1 148.3 9 1 1 147.7 10 1 1 143.0 11 1 1 142.7 12 1 1 142.0 13 1 1 143.0 14 1 1 142.7 15 1 1 142.0 16 1 1 143.0 17 1 1 142.7 18 1 1 142.0 19 1 1 150.3 20 1 1 149.3 21 1 1 148.7 22 1 1 150.3 23 1 1 149.3 24 1 1 148.7 25 1 1 149.3 26 1 1 149.3 27 1 1 149.0 28 2 1 135.3 29 2 1 136.0 30 2 1 135.7 31 2 1 135.3 32 2 1 135.7 33 2 1 133.0 34 2 1 134.0 35 2 1 133.7 36 2 1 133.0 37 2 1 134.0 38 2 1 133.7 39 2 1 149.3 40 2 1 149.0 41 2 1 149.3 42 2 1 135.3 43 2 1 135.7 44 2 1 135.3 45 2 1 139.3 46 2 1 139.7 47 2 1 138.7 48 1 2 135.3 49 1 2 136.0 50 1 2 135.7 51 1 2 133.0 52 1 2 134.0 53 1 2 133.7 54 1 2 135.3 55 1 2 135.7 56 1 2 135.3 57 1 2 135.3 58 1 2 135.7 59 1 2 135.3 60 1 2 135.7 61 1 2 136.0 62 1 2 135.3 63 1 2 134.3 64 1 2 134.3 65 2 2 135.3 66 2 2 135.7 67 2 2 135.3 68 2 2 135.7 69 2 2 130.7 70 2 2 133.3 71 2 2 133.7 72 2 2 130.7 73 2 2 133.3 74 2 2 133.7 75 2 2 130.7 76 2 2 133.3 77 2 2 133.0 78 2 2 133.3 79 2 2 136.0 80 2 2 136.0 81 2 2 133.3 82 2 2 136.0 83 2 2 136.0 84 2 2 133.3 85 2 2 136.0 86 2 2 136.0 87 2 2 142.3str(flower) # データ構造を表示する
summary(flower) # データの概要統計を表示します
Lot(flower$Altitude,flower$Height) # 高度と開花高さの散布図を描画します
Lot(flower$Temperatyre,flower$Height) # 気温と開花高さの散布図を描画します
summary(aov(花$高さ~花$高度*花$温度))
#この植物の開花高さについては、標高と気温の間に相互作用があります (F1,83=34.46、P<0.001)
#開花高さに影響を与える高度と温度の相互作用を制御した結果、この植物の開花高さは異なる高度間で非常に大きな差が生じました (F1, 83 =76.89、P< 0.001)
#開花高さに影響を与える高度と温度の相互作用を制御した後、この植物の開花高さは異なる温度間で非常に大きな差を持ちます (F1, 83 =100.52、未満) 0.001)
interaction2wt(flower$Height~flower$Altitude*flower$Temperatyre) #主効果と交互作用効果を表示
#温度が [1 から 2] 高くなるほど、開花高さは低くなります
#標高が高くなるほど [1 から 2]、開花高さは低くなります
2, data0508 発育 は、7 つの条件下での 3 匹の昆虫の成長期間です。適切な統計手法を使用して、異なる種および異なる条件間の成長期間をテストします。違いはありますか?それらの間の?違いがあるとしたら、どのように違うのでしょうか? (計算プロセスに関係する重要な情報を含む、根拠や結論などの重要な情報を説明します)
library(HH) HH パッケージ内の #interaction2wt() は主効果と相互作用効果を同時に表示できます
開発 <- read.delim("D:/データム/生物統計/データ/データ5/データ0508 開発.txt")
開発する
種の状態の日 1 1 1 9.6 2 1 2 10.6 3 1 3 9.8 4 1 4 10.7 5 1 5 11.1 6 1 6 10.9 7 1 7 12.8 8 2 1 9.3 9 2 2 9.1 10 2 3 9.3 11 2 4 9.1 12 2 5 11.1 13 2 6 11.8 14 2 7 10.6 15 3 1 9.3 16 3 2 9.2 17 3 3 9.5 18 3 4 10.0 19 3 5 10.4 20 3 6 10.8 21 3 7 10.7str(develop) # データ構造を表示する
summary(deveve) #データ概要統計の表示
Lot(develop$Species,develop$Day) # 3 つの種と昆虫の成長段階の散布図を描画します
Lot(develop$Condition,develop$Day) # 7つの条件と開花高の散布図を描画します
# 2 つの固定係数、完全なモデル
summary(aov(develop$Day~develop$Species*develop$Condition))
インタラクションはありません
# 2 つの固定因子、相互作用なし
summary(aov(develop$Day~develop$Species+develop$Condition))
#条件の影響を制御した後、さまざまな昆虫の成長段階に大きな違いが見られます (P=0.017、0.05 未満)
#昆虫種の影響を制御した後、さまざまな条件下で測定された昆虫の成長期間には非常に大きな差が見られます (P=1.33e-05、0.001 未満) )
# 2 つの固定係数、完全なモデル
summary.lm(aov(develop$Day~develop$Species+develop$Condition))
#種の影響 (種) では、種 B と種 C のほうがより重大な悪影響を及ぼします。つまり、種 B と種 C は成長期間が短いです。
#ConditonC5、ConditonC6、ConditonC7 はコンディション (Condition) に大きなプラスの影響を与えます。つまり、ConditonC5、ConditonC6、ConditonC7 の成長期間は長くなります。
interaction2wt(develop$Day~develop$Species+develop$Condition) #主効果を表示
#成長: 種 A>B>C (左下隅と summary.lm の結果に基づく)
#成長: 条件 7>6>5>4>2>3>1 (右上隅と summary.lm の結果に基づく)