*2007 08 30 [#w721abf4] John Verzani p.336 の構造モデルから判断すると,すべてベース (Intercept) との切片の差ということになる. # 二元配置の分散分析 frogs3<- read.csv( "http://150.59.18.68/frogs3.csv", header = FALSE) # header = FALSE で,列名はファイルに未設定と指示 # なお列名が未定義の場合,自動的に V1, V2, V3 などの名前が付加される # 二つの要因がある場合,それらをチルダ記号の右側に + 記号で指定する frogs3.aov<- aov(V1 ~ V2 + V3, data = frogs3) summary(frogs3.aov) summary.lm(frogs3.aov) # Intercept は V2 = 12H かつ V3 = 100ug の場合.繰り返し数 3 # この標準偏差は sqrt(7.51/6).これは V2 V3 の自由度の積か # 2行目の V224H は sqrt(2 *7.51/9).9 は V2 の繰り返し数か # Intercept は V2 が 12H で V3 が 100 ug の場合 # 2行目 V224H は V2 が 24H の場合の Intercept(V2=12Hかつ V3=100ugの場合) との差 同じく,p.332 によれば共分散分析では,連続量はスロープを表す. regrowth <- read.table( "http://www.bio.ic.ac.uk/research/mjcraw/ therbook/data/ipomopsis.txt", header = T) ancova1<- lm(Fruit ~ Grazing * Root) summary(ancova1) anova(ancova1) 共分散分析での各パラメータの標準誤差の計算は Crawley 2007, p. 492 - 498 共分散分析での各パラメータの標準誤差の計算は [[Crawlye The R Book:http://www.amazon.co.jp/R-Book-Michael-J-Crawley/dp/0470510242/]] p. 492 - 498 また共分散分析での「修正平均」の求めかたは [[Crawley S-PLUS:http://www.bio.ic.ac.uk/research/mjcraw/statcomp/]] p.292 中 を参照 # Faraway (2006) よりデータを借用 babyfood <- read.table(file = http://150.59.18.68/babyfood.txt") babyfood # データから要因別に罹患比率を求めて分割表にする.xtabs() 関数を利用 xtabs(disease/(disease+nondisease) ~ sex + food, babyfood) # ロジスティック回帰分析を実行する # 目的変数を 2 項分布とした一般化線形モデル glm() による model1 <- glm(cbind(disease, nondisease) ~ sex + food, family = binomial, data = babyfood) # glm は一般化線形モデルを実行する関数.family は分布を指定する summary(model1) # 要約を見る drop1(model1, test = "Chi") # 各項は有意か exp(-.669) # 母乳の効果を確認する model.matrix(model1) # Intercept は Boy で Bottle # sexGirl は Girl の場合の Intercept との差 # foodBreast は Intercept (Boy Bottle) の場合に比べての差 # foodSuppl は Intercept (Boy Bottle) の場合に比べての差