R语言学习-单因素协方差分析

单因素协方差分析

单因素协方差分析扩展了单因素方差分析，包含一个或多个定量的协变量。示例数据来源于multcomp包中的litter数据集。怀孕小鼠被分为四个组，每个小组接受不同剂量的药物处理。产下的幼崽的体重均值为因变量，怀孕时间为协变量

> library(multcomp)
> table(litter$dose)

  0   5  50 500 
 20  19  18  17 
#可以看出每种剂量产下的幼崽数不同
> aggregate(litter$weight,by=list(litter$dose),FUN=mean)
  Group.1        x
1       0 32.30850
2       5 29.30842
3      50 29.86611
4     500 29.64647
#显示各组体重均值
> fit<-aov(weight~gesttime+dose,data =litter )#协变量放在主要因子前面
> summary(fit)
            Df Sum Sq Mean Sq F value  Pr(>F)   
gesttime     1  134.3  134.30   8.049 0.00597 **
dose         3  137.1   45.71   2.739 0.04988 * 
Residuals   69 1151.3   16.69                   
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

从单因素协方差的F检验可以看出怀孕时间与幼崽体重有关

结果可视化

HH包中的ancova()函数可以绘制因变量，协变量和因子之间的关系图

> library(HH)
载入需要的程辑包：lattice
载入需要的程辑包：grid
载入需要的程辑包：latticeExtra
载入需要的程辑包：RColorBrewer
载入需要的程辑包：gridExtra
> ancova(weight~gesttime+dose,data=litter)
Analysis of Variance Table

Response: weight
          Df  Sum Sq Mean Sq F value   Pr(>F)   
gesttime   1  134.30 134.304  8.0493 0.005971 **
dose       3  137.12  45.708  2.7394 0.049883 * 
Residuals 69 1151.27  16.685                    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

image.png

从图中可以看到用怀孕时间来预测体重的回归线相互平行，只是截距项不同，其中0剂量截距项最大，5剂量截距项最少