单向方差分析用于确定三个或更多独立组的平均值之间是否存在统计学上的显着差异。
单向方差分析中使用的假设如下:
H 0:每组的均值相等。
H A : 至少其中一种方式与其他方式不同。
如果 ANOVA 的p 值小于某个显着性水平(如 α = .05),我们可以拒绝原假设并得出结论,至少一个组均值与其他均值不同。
但是为了准确地找出哪些组彼此不同,我们必须进行事后测试。
您可以使用agricolae包中的LSD.test()函数在 R 中执行此测试。
以下示例显示了如何在实践中使用此功能。
示例:R 中的 Fisher 的 LSD 检验
假设一位教授想知道三种不同的学习技巧是否会导致学生的考试成绩不同
下表显示了每个学生根据他们使用的学习技术的考试成绩:

我们可以使用以下代码创建此数据集并在 R 中对其执行单向方差分析:
#create data frame
df
本文介绍了如何在R语言中利用agricolae包的LSD.test()函数进行Fisher的最小显著性差异检验。通过单向方差分析判断各组均值是否存在差异,并在ANOVA的p值小于0.05时,进一步执行LSD检验以确定具体哪些组间存在显著差异。文中以学习技巧对考试成绩影响为例,详细展示了LSD检验的实践过程。
订阅专栏 解锁全文



2664

被折叠的 条评论
为什么被折叠?



