R中重塑数据的三因素方差分析
我刚刚在R中发现了重塑,我不确定数据重塑后如何进行方差分析。我发现其中的数据组织方式与我自己的数据非常相似。如果我使用这个假设数据,我将如何在种族、项目和受试者之间进行三因素方差分析?现在,受试者已经被重塑为一列,我很难看到如何使用典型的方差分析代码包含这个变量。任何帮助都将不胜感激 假设数据为“长格式”,且“分数”是因变量,则可以执行以下操作:R中重塑数据的三因素方差分析,r,reshape,R,Reshape,我刚刚在R中发现了重塑,我不确定数据重塑后如何进行方差分析。我发现其中的数据组织方式与我自己的数据非常相似。如果我使用这个假设数据,我将如何在种族、项目和受试者之间进行三因素方差分析?现在,受试者已经被重塑为一列,我很难看到如何使用典型的方差分析代码包含这个变量。任何帮助都将不胜感激 假设数据为“长格式”,且“分数”是因变量,则可以执行以下操作: mymodel = aov(score ~ prog + race + subj, data=l) summary(my model) 在这种情况下
mymodel = aov(score ~ prog + race + subj, data=l)
summary(my model)
在这种情况下,产生:
Df Sum Sq Mean Sq F value Pr(>F)
prog 1 2864 2864 31.32 2.82e-08 ***
race 1 5064 5064 55.39 2.14e-13 ***
subj 4 106 27 0.29 0.885
Residuals 993 90780 91
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
n、 b.这个模型只包含主要效果谢谢,这很有意义!我脑子里想的太复杂了。如果有另一个因变量,而不是分数,我们想用程序、种族和受试者来预测呢?例如,GPA或ACT score只需用“score”替换上面公式中的相关变量名。这对我的变量不起作用,它是一个连续的度量,作为自己的列存在。当我简单地用它代替“分数”时,方差分析不能正确工作。我认为我认为我可以在这部分分析中使用方差分析是错误的,我需要看一个多层次的方法。