是否有R函数/统计量可以查看A列中多次出现的特定值对B列的影响？

Question

我是一名 R 初学者用户，正在研究松果的不同特征如何影响松果中种子的数量。

我已经使用 lm() 进行了许多线性回归，毫无问题地看到几个特征有显着的 p 值，例如种子所在的螺旋度数（“Deg”）以及总数圆锥体中的种子数量（“TotalSeed”）。

在“Deg”列中，数字 360 出现频率最高（15 个数据点中出现 6 个）。有没有办法查看 360 度是否比其他数据点（720、540、270 等）与更高的 TotalSeed 相关？如果可能的话，使用 p 值，因为这是我所在领域中任何人都理解/接受的唯一统计数据。

	德格	总种子
1	480	358
2	200	400
3	360	366
4	360	394
5	360	362
6	270	476
7	360	516
8	475	284
9	540	441
10	270	363
11	720	380
12	360	345
13	720	451
14	360	359
15	300	286

我尝试将 lm() 与 dplyr 的 filter() 和 select() 函数结合使用，但这并不能告诉我 360 是否比其他结果相关性更强（这是有道理的）。

Answer 1

几点：

• 发布到 SO 时，以 R 代码形式提供输入，以便其他人可以使用

  dput

  或其他方式轻松使用它。 这次我们在最后的备注中为大家提供了

• 需要对您想要检验的假设进行精确定义。 我们假设我们希望测试

  TotalSeed

  为 360 的

  Deg

  值的平均值是否等于

  TotalSeed

  不等于 360 的

  Deg

  值的平均值。存在一个问题：是否我们应该假设两组的方差相同或不同。 我们将以两种方式执行此操作，我们将看到 p 值几乎相同 - 对于不等方差，p = 0.8159；对于相等方差，p = 0.818。

• 实现等方差 t 检验的第二种方法是使用

  lm

  ，我们也在下面展示它并给出相同的 p 值。

代码

## unequal variances ###
t.test(subset(dat, Deg == 360)$TotalSeed, 
       subset(dat, Deg != 360)$TotalSeed))

##         Welch Two Sample t-test
##
## data:  subset(dat, Deg == 360)$TotalSeed and subset(dat, Deg != 360)$TotalSeed
## t = 0.23828, df = 11.405, p-value = 0.8159 <--------
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -67.39897  83.84341
## sample estimates:
## mean of x mean of y 
##  390.3333  382.1111 

# assuming equal variances ###
t.test(subset(dat, Deg == 360)$TotalSeed, 
       subset(dat, Deg != 360)$TotalSeed, var.equal = TRUE)

##         Two Sample t-test
## data:  subset(dat, Deg == 360)$TotalSeed and subset(dat, Deg != 360)$TotalSeed
## t = 0.23478, df = 13, p-value = 0.818  <--------
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -67.43697  83.88142
## sample estimates:
## mean of x mean of y 
##  390.3333  382.1111 

我们可以使用

lm

交替执行等方差情况

summary(lm(TotalSeed ~ I(Deg == 360), dat))

## Call:
## lm(formula = TotalSeed ~ I(Deg == 360), data = dat)
##
## Residuals:
##    Min     1Q Median     3Q    Max 
## -98.11 -29.83 -19.11  38.39 125.67 
##
## Coefficients:
##                   Estimate Std. Error t value Pr(>|t|)    
## (Intercept)        382.111     22.149  17.251 2.43e-10 ***
## I(Deg == 360)TRUE    8.222     35.021   0.235    0.818    
## ---
## Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
##
## Residual standard error: 66.45 on 13 degrees of freedom
## Multiple R-squared:  0.004222,  Adjusted R-squared:  -0.07238 
## F-statistic: 0.05512 on 1 and 13 DF,  p-value: 0.818  <--------