Question

简介

我正在一个关于其繁殖地的殖民边境进行鸟类攻击的小型试点研究。

背景

这项研究进行了多年，展示了殖民（南部）和定居（北部）领的捕蝇雄性雄性具有同种和斑姬的捕蝇雄性。根据可量化的集合积极行动评分他们的行为。他们在60年前发现了这个岛屿，并且正在他们繁殖地的一个点上稳步扩散，并将他们的相对斑点捕蝇器从更多的带虫区域推开。在之前的研究中，研究表明，更具侵略性的雄性在这种定植行动的前沿。在北部地区，有近100％的领子，南部仍有混合人口。

Hypothesises

在南部地区，雄性项圈捕蝇器将对这两个物种采取更高的攻击行动。与在南方相比，雄性对北方的反应相对更多。

问题

在对所有互动进行评分之后，我现在不知道用什么测试来呈现数据。很多人给出不同的建议或简单的Anova等我一直在学习R和统计学，但许多术语仍然让我困惑，在互联网上找到的问题和答案我发现很难解释我的数据。（这是我打扰你的地方）。

问题

以下三项中的哪项测试可以最好地用于表明存在或没有统计学意义？

ANOVA（LM（得分〜dummy_species *位置））
摘要（AOV（评分〜dummy_species *位置））
摘要（LM（评分〜dummy_species *位置））

数据结构

遗憾的是，数据不平衡。

同种试验的数量为104个，其中77个在北部试验区，27个在南部。同样，50只捕蝇器的假试验36只在北方，14只在南方。

'data.frame':   154 obs. of  8 variables:

 $ location        : Factor w/ 2 levels "N","S": 1 1 1 1 1 1 1 1 2 1 ...

 $ score           : int  1 4 0 1 1 8 9 9 4 3 ...

 $ dummy_species   : Factor w/ 2 levels "CF","PF": 1 1 2 2 1 1 1 1 1 2 ...


model.tables(aov(scoreCF$score~scoreCF$location),"means")

Tables of means

Grand mean

2.993506

 dummy_species 

     CF    PF

  3.529  1.88

rep 104.000 50.00


 location 
      N      S
      2.742  3.686
rep 113.000 41.000


 dummy_species:location 

         location

dummy_species N     S    

      CF   3.19  4.48

      rep 77.00 27.00

      PF   1.81  2.07

      rep 36.00 14.00

TukeyHSD（AOV（评分〜dummy_species *位置））

Tukey multiple comparisons of means

95% family-wise confidence level


Fit: aov(formula = score ~ dummy_species * location)


$dummy_species

       diff       lwr        upr     p adj

PF-CF -1.648846 -2.613568 -0.6841239 0.0009332


$location

     diff         lwr    upr     p adj

S-N 0.9440487 -0.07800284 1.9661 0.0699746


$`dummy_species:location`

           diff        lwr        upr     p adj

PF:N-CF:N -1.389250 -2.8774793 0.09898005 0.0766924

CF:S-CF:N  1.286676 -0.3619293 2.93528192 0.1824646

PF:S-CF:N -1.123377 -3.2649782 1.01822492 0.5246337

CF:S-PF:N  2.675926  0.7993571 4.55249475 0.0016744

PF:S-PF:N  0.265873 -2.0557788 2.58752484 0.9908082

PF:S-CF:S -2.410053 -4.8376320 0.01752615 0.0524523

结果

*Anova(lm(score~dummy_species*location))
Anova Table (Type II tests)*

Response: score

                    Sum Sq  Df F value    Pr(>F)  

dummy_species            93.91   1 11.6673 0.0008186 ***

location                 26.82   1  3.3326 0.0699100 .  

dummy_species:location    6.98   1  0.8675 0.3531437    

Residuals              1207.39 150         

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1


*> summary(aov(score~dummy_species*location))*

                    Df Sum Sq Mean Sq F value   Pr(>F)    

dummy_species            1   91.8   91.80  11.405 0.000933 ***

location                 1   26.8   26.82   3.333 0.069910 .  

dummy_species:location   1    7.0    6.98   0.868 0.353144    

Residuals              150 1207.4    8.05          

---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1


*> summary(lm(score~dummy_species*location))*


Call:

lm(formula = score ~ dummy_species * location)


Residuals:

    Min      1Q  Median      3Q     Max 

-4.4815 -2.1948 -0.8056  2.1280  6.9286 


Coefficients:

                      Estimate Std. Error t value Pr(>|t|)   

(Intercept)                 3.1948     0.3233   9.881   <2e-16 ***

dummy_speciesPF            -1.3892     0.5728  -2.425   0.0165 *  

locationS                   1.2867     0.6346   2.028   0.0444 *  

dummy_speciesPF:locationS  -1.0208     1.0960  -0.931   0.3531    

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1


Residual standard error: 2.837 on 150 degrees of freedom

Multiple R-squared:  0.09423,   Adjusted R-squared:  0.07611 

F-statistic: 5.202 on 3 and 150 DF,  p-value: 0.001909

谢谢花时间，看看。理想情况下，给予时间投资（在现场和幕后）我很想知道男性的攻击很可能受到位置和物种的影响。但只有lm方法是相关的。

我也对我的问题布局表示歉意。

统计意义鸟类攻击分数的最终测试

0 个答案: