通过整洁的方式对小标题进行aov测试

时间:2019-02-12 18:55:16

标签: r dplyr

我想使用相同的因变量对数据框进行线性回归。 here解决了类似的问题。问题是,实现ANOVA的aov函数不接受xy作为参数(据我所知)。有没有办法整齐地执行分析?到目前为止,我已经尝试过类似的事情:

library(tidyverse)

iris %>% 
  as_tibble() %>% 
  select(Sepal.Length, Species) %>% 
  mutate(foo_a = as_factor(sample(c("a", "b", "c"), nrow(.), replace = T)),
         foo_b = as_factor(sample(c("d", "e", "f"), nrow(.), replace = T))) %>% 
  map(~aov(Sepal.Length ~ .x, data = .))

reprex package(v0.2.1)

创建于2019-02-12

所需的输出是三个分析:Sepal.LengthSpeciesSepal.Lengthfoo_a以及最后一个Sepal.Lengthfoo_b。有可能还是我完全错了?

1 个答案:

答案 0 :(得分:1)

一种方法是将其制成一个长形数据框,并按感兴趣的自变量分组,并使用"many models"方法。我通常更喜欢这样的事情,而不是尝试在多个列上进行tidyeval -它只是让我对正在发生的事情有更清晰的认识。

为了节省空间,我正在使用iris_foo,它是您通过2条变异线创建的数据。将其放长格式可以为您提供这三列名称的键,这些列将在每个aov调用中用作独立变量。

library(tidyverse)

iris_foo %>%
  gather(key, value, -Sepal.Length)

#> # A tibble: 450 x 3
#>    Sepal.Length key     value 
#>           <dbl> <chr>   <chr> 
#>  1          5.1 Species setosa
#>  2          4.9 Species setosa
#>  3          4.7 Species setosa
#>  4          4.6 Species setosa
#>  5          5   Species setosa
#>  6          5.4 Species setosa
#>  7          4.6 Species setosa
#>  8          5   Species setosa
#>  9          4.4 Species setosa
#> 10          4.9 Species setosa
#> # … with 440 more rows

在此处,以key嵌套,并创建一个新的ANOVA模型列表列。这将是aov个对象的列表。为了简化返回模型的操作,可以删除数据列。

aov_models <- iris_foo %>%
  gather(key, value, -Sepal.Length) %>%
  group_by(key) %>%
  nest() %>%
  mutate(model = map(data, ~aov(Sepal.Length ~ value, data = .))) %>%
  select(-data)

aov_models
#> # A tibble: 3 x 2
#>   key     model    
#>   <chr>   <list>   
#> 1 Species <S3: aov>
#> 2 foo_a   <S3: aov>
#> 3 foo_b   <S3: aov>

从那里,您可以根据需要使用模型。在列表aov_models$model中可以访问它们。打印后,它们看起来像您期望的那样。例如,第一个模型:

aov_models$model[[1]]
#> Call:
#>    aov(formula = Sepal.Length ~ value, data = .)
#> 
#> Terms:
#>                    value Residuals
#> Sum of Squares  63.21213  38.95620
#> Deg. of Freedom        2       147
#> 
#> Residual standard error: 0.5147894
#> Estimated effects may be unbalanced

要查看所有模型,请致电aov_models$model %>% map(print)。您可能还需要使用broom函数,例如broom::tidybroom::glance,具体取决于您如何展示模型。

aov_models$model %>%
  map(broom::tidy)
#> [[1]]
#> # A tibble: 2 x 6
#>   term         df sumsq meansq statistic   p.value
#>   <chr>     <dbl> <dbl>  <dbl>     <dbl>     <dbl>
#> 1 value         2  63.2 31.6        119.  1.67e-31
#> 2 Residuals   147  39.0  0.265       NA  NA       
#> 
#> [[2]]
#> # A tibble: 2 x 6
#>   term         df   sumsq meansq statistic p.value
#>   <chr>     <dbl>   <dbl>  <dbl>     <dbl>   <dbl>
#> 1 value         2   0.281  0.141     0.203   0.817
#> 2 Residuals   147 102.     0.693    NA      NA    
#> 
#> [[3]]
#> # A tibble: 2 x 6
#>   term         df   sumsq meansq statistic p.value
#>   <chr>     <dbl>   <dbl>  <dbl>     <dbl>   <dbl>
#> 1 value         2   0.756  0.378     0.548   0.579
#> 2 Residuals   147 101.     0.690    NA      NA

或将所有模型整理到一个数据框中(保留key列),您可以这样做:

aov_models %>%
  mutate(model_tidy = map(model, broom::tidy)) %>%
  unnest(model_tidy)