R IN ACTION SELF-TUTORIAL-71 R 进

• 首先多元回归分析的用途：

---

1. 方差分析（ANOVA）用于确定三个或更多独立组的平均值之间是否存在统计显著性差异。例如，假设我们想知道学习技术是否对一个班级的学生的考试成绩有影响。我们随机把全班分成三组。每组使用一个月的不同学习方法来准备考试。在月底，所有的学生都参加同样的考试。为了找出学习技巧是否会影响考试成绩，我们可以进行单向方差分析，这将告诉我们三组的平均成绩之间是否存在统计上的显著差异。

   
   image.png

---

2. 在方差分析中，我们有一个响应变量。然而，在MANOVA（多元方差分析）中，我们有多个响应变量。

• 例如，假设我们想知道教育水平（即高中、大专、学士、硕士等）如何影响年收入和学生贷款债务额。在这种情况下，我们有一个因素（教育水平）和两个响应变量（年收入和学生贷款债务），因此我们可以进行单向MANOVA。

  
  image.png

---

---

• 如何进行？按照如下：

1） 数据：

Isobutyric acid Pentanoic acid  Isovaleric acid Name
0.3 2.829378839 0.3 Agathobacter
0.3 6.004179503 0   Ruminococcus
8.331295827 11.88198431 33.20889143 Ruminococcus
0.951198899 11.73258091 28.63164961 Ruminococcus
0.3 0   0   Ruminococcus
2.050382466 10.07822753 0   Mediterraneibacter
0   0   0   Mediterraneibacter
3.513720564 11.19639518 0   Mediterraneibacter
0.214560437 8.206513644 0   Mediterraneibacter

2. 运行：

# 参考：https://www.statology.org/manova-in-r/
# 读取数据 ，第一行没有放列名
SCFA1<-read.delim("clipboard",
                  header = FALSE, 
                  check.names = FALSE)
head(SCFA1)

#fit the MANOVA model选择模型
model <- manova(cbind(Isobutyric acid,Pentanoic acid, Isovaleric acid) ~ Name, data = SCFA1)
#view the results
summary(model, test='Wilks')
#we can perform univariate ANOVAs using summary.aov() 
summary.aov(model)
#load gplots library
#install.packages('gplots')
library(gplots)
#visualize mean sepal length by species
#绘图
p1<-plotmeans((SCFA1$`Propanoic acid`) ~ SCFA1$`Name`)
p1<-

p2<-plotmeans((SCFA1$`Isobutyric acid`) ~ SCFA1$`Name`)
p2

p3<-plotmeans((SCFA1$`Isovaleric acid`) ~ SCFA1$`Name`)
p3

得到：

image.png image.png image.png