4

我们正在为生物学学生教授一门统计课程，并尝试使用 R 作为计算和数据可视化平台。我们希望尽可能避免使用额外的包并在 R 中做任何非常“花哨”的事情；本课程的重点是统计，而不是编程。尽管如此，我们还没有找到在 R 中为双因素 ANOVA 设计生成误差线图的非常好的方法。我们正在使用 ggplot2 包来制作绘图，虽然它确实有一个内置的 stat_summary 方法来生成 95% CI 误差线，但这些计算方法可能并不总是正确的方法。下面，我手动查看了 ANOVA 的代码并手动计算了 95% CI（标准误差是根据总残差估计的，而不仅仅是组内方差 ggplot' s 总结方法将使用）。最后，其实是有剧情的。

所以问题是......有没有更容易/更快/更简单的方法来做这一切？

#   LIZARD LENGTH DATA
island.1 <- c(0.2, 5.9, 6.1, 6.5)
island.2 <- c(5.6, 14.8, 15.5, 16.4)
island.3 <- c(0.8, 3.9, 4.3, 4.9)
sex.codes <- c("Male", "Female", "Male", "Female")

#   PUTTING DATA TOGETHER IN A DATA FRAME
df.1 <- data.frame(island.1, island.2, island.3, sex.codes)

#   MELTING THE DATA FRAME INTO LONG FORM
library(reshape)
df.2 <- melt(df.1)

#   MEAN BY CELL
mean.island1.male <- with(df.2, mean(value[variable == "island.1" & sex.codes == "Male"]))
mean.island1.female <- with(df.2, mean(value[variable == "island.1" & sex.codes == "Female"]))
mean.island2.male <- with(df.2, mean(value[variable == "island.2" & sex.codes == "Male"]))
mean.island2.female <- with(df.2, mean(value[variable == "island.2" & sex.codes == "Female"]))
mean.island3.male <- with(df.2, mean(value[variable == "island.3" & sex.codes == "Male"]))
mean.island3.female <- with(df.2, mean(value[variable == "island.3" & sex.codes == "Female"]))

#   ADDING CELL MEANS TO DATA FRAME
df.2$means[df.2$variable == "island.1" & df.2$sex.codes == "Male"] <- mean.island1.male
df.2$means[df.2$variable == "island.1" & df.2$sex.codes == "Female"] <- mean.island1.female
df.2$means[df.2$variable == "island.2" & df.2$sex.codes == "Male"] <- mean.island2.male
df.2$means[df.2$variable == "island.2" & df.2$sex.codes == "Female"] <- mean.island2.female
df.2$means[df.2$variable == "island.3" & df.2$sex.codes == "Male"] <- mean.island3.male
df.2$means[df.2$variable == "island.3" & df.2$sex.codes == "Female"] <- mean.island3.female

#   LINEAR MODEL
lizard.model <- lm(value ~ variable*sex.codes, data=df.2)

#   CALCULATING RESIDUALS BY HAND:
df.2$residuals.1 <- df.2$value - df.2$means

#   CONFIRMING RESIDUALS FROM LINEAR MODEL:
df.2$residuals.2 <- residuals(lizard.model)

#   TWO FACTOR MAIN EFFECT ANOVA
lizard.anova <- anova(lizard.model)        

#   INTERACTION PLOT
interaction.plot(df.2$variable, df.2$sex.codes, df.2$value)

#   SAMPLE SIZE IN EACH CELL
n <- length(df.2$value[df.2$variable == "island.1" & df.2$sex.codes == "Male"])
# > n
# [1] 2

#   NOTE: JUST FOR CLARITY, PRETEND n=10
n <- 10

#   CALCULATING STANDARD ERROR
island.se <- sqrt(lizard.anova$M[4]/n)

#   HALF CONFIDENCE INTERVAL
island.ci.half <- qt(0.95, lizard.anova$D[4]) * island.se

#   MAKING SUMMARY DATA FRAME
summary.df <- data.frame(
        Means = c(mean.island1.male,
                mean.island1.female,
                mean.island2.male,
                mean.island2.female,
                mean.island3.male,
                mean.island3.female),
        Location = c("island1",
                "island1",
                "island2",
                "island2",
                "island3",
                "island3"),
        Sex = c("male",
                "female",
                "male",
                "female",
                "male",
                "female"),      
        CI.half = rep(island.ci.half, 6)        
        )

# > summary.df
# Means Location    Sex  CI.half
# 1  3.15  island1   male 2.165215
# 2  6.20  island1 female 2.165215
# 3 10.55  island2   male 2.165215
# 4 15.60  island2 female 2.165215
# 5  2.55  island3   male 2.165215
# 6  4.40  island3 female 2.165215

#   GENERATING THE ERRORBAR PLOT
library(ggplot2)

qplot(data=summary.df,
        y=Means,
        x=Location,
        group=Sex,
        ymin=Means-CI.half,
        ymax=Means+CI.half,
        geom=c("point", "errorbar", "line"),
        color=Sex,
        shape=Sex,
        width=0.25) + theme_bw()

ggplot2 双向主效应 Anova 的误差图

4

3 回答 3

5

我不得不承认我对你的代码感到很困惑。不要将此视为个人批评，但我强烈建议您学习您的学生尽可能多地使用 R 的力量。他们只能从中受益，而我的经验是，如果我不把一行又一行的代码乱七八糟地扔给他们，他们就能更快地理解正在发生的事情。

首先，您不必手动计算平均值。做就是了：

df.2$mean <- with(df.2,ave(value,sex.codes,variable,FUN=mean))

另请参阅?ave。这比您示例中的代码混乱更清楚。如果你有 lizard.model，你可以使用

fitted(lizard.model)

并将这些值与平均值进行比较。

那我强烈反对你。您计算的不是您预测的标准误差。要正确执行此操作，请使用该predict()功能

outcome <- predict(lizard.model,se.fit=TRUE)
df.2$CI.half <- outcome$se / 2

要获得预测均值的置信区间，如果您希望学生正确理解这一点，则必须使用正确的公式。看看这个非常棒的实用回归和方差分析的第 3.5 节，使用来自 Faraway 的R。它包含大量代码示例，其中所有内容都以方便简洁的方式手动计算。它将为您和您的学生服务。我从中学到了很多东西，并且在向学生解释这些事情时经常使用它作为指导。

现在要获得摘要数据框，您有几个选项，但这个选项很有效并且很容易理解。

summary.df <- unique(df.2[,-c(3,5,6)])
names(summary.df) <- c('Sex','Location','Means','CI.half')

现在你可以运行你的情节代码，因为它就在那里。

或者，如果您想要您的值的预测误差，您可以使用以下内容：

lizard.predict <- predict(lizard.model,interval='prediction')
df.2$lower <- lizard.predict[,2]
df.2$upper <- lizard.predict[,3]

summary.df <- unique(df.2[,-3])
names(summary.df)[1:3] <- c('Sex','Location','Means')


qplot(data=summary.df,
        y=Means,
        x=Location,
        group=Sex,
        ymin=lower,
        ymax=upper,
        geom=c("point", "errorbar", "line"),
        color=Sex,
        shape=Sex,
        width=0.25) + theme_bw()

PS：如果我在这里和那里听起来很刺耳，那不是故意的。英语不是我的母语，我仍然不熟悉这种语言的微妙之处。

于 2011-11-02T09:50:12.873 回答
4

[潜在的无耻提升] 您应该考虑包 HandyStuff 中的 compareCats 和 rxnNorm 函数，可在www.github.com/bryanhanson/HandyStuff 获得 警告：我不确定它是否与 R 2.14 无缝协作。特别是，rxnNorm 看起来像您正在尝试制作的情节，而且它在总结统计数据和情节装饰方面为您提供了多种选择。但是，这需要让你的学生安装一个单独的包，所以也许你会排除它（但它允许学生专注于呈现和分析数据）。从此处包含的 ?rxnNorm 示例中绘制。在此处输入图像描述

使用 rxnNorm，您可以选择几种计算 CI 的方法，由参数“方法”控制。这是实际功能（来自 ChemoSpec 包）。

> seX <- function (x)  sd(x, na.rm = TRUE)/sqrt(length(na.omit(x)))
> <environment: namespace:ChemoSpec>
> 
> seXy <- function (x)  {
>     m <- mean(na.omit(x))
>     se <- seX(x)
>     u <- m + se
>     l <- m - se
>     c(y = m, ymin = l, ymax = u) } <environment: namespace:ChemoSpec>
> 
> 
> seXy95 <- function (x)  {
>     m <- mean(na.omit(x))
>     se <- seX(x)
>     u <- m + 1.96 * se
>     l <- m - 1.96 * se
>     c(y = m, ymin = l, ymax = u) } <environment: namespace:ChemoSpec>
> 
> 
> seXyIqr <- function (x)  {
>     i <- fivenum(x)
>     c(y = i[3], ymin = i[2], ymax = i[4]) } <environment: namespace:ChemoSpec>
> 
> seXyMad <- function (x)  {
>     m <- median(na.omit(x))
>     d <- mad(na.omit(x))
>     u <- m + d
>     l <- m - d
>     c(y = m, ymin = l, ymax = u) } <environment: namespace:ChemoSpec>
于 2011-11-02T10:40:33.680 回答
4

这是使用 sciplot 包的另一种尝试。计算置信区间的替代方法可以在参数 ci.fun 中传递。

lineplot.CI(variable,value, group =sex.codes , data = df.2, cex = 1.5,
            xlab = "Location", ylab = "means", cex.lab = 1.2, x.leg = 1,
            col = c("blue","red"), pch = c(16,16))

在此处输入图像描述

于 2011-11-02T13:11:58.553 回答