################################################################################ ## Varainazanalyse mit R (ANOVA), Teil 2 ## ## Skript zum Video "Varianzanalyse mit R Teil 2" ## ## Ad-Oculos-Projekt, https://www.faes.de/ad-oculos/ ## Günter Faes ## Version 1.0, 23.11.2021 ## R-Version: 4.1.1 ## RStudio-Version: 2021.09.0 Build 351 ## ## Siehe auch das Video "Varianzanalyse mit R" ################################################################################ ## Laden der benötigten Pakete: library(doBy) # summaryBy ## Laden der Beispieldaten: Daten <- read.csv2("Krankheitsdauer.csv") ## ---------------- Datenübersicht ----------------------- ## Datenübersicht: str(Daten) View(Daten) summaryBy(Krankheitstage ~ Gruppen, data = Daten, FUN = c(mean, sd, min, max, length)) # Grafische Übersicht als Boxplot: boxplot(Krankheitstage ~ Gruppen, data = Daten, main = "Gruppenverteilungsübersicht") ## ---------- Prüfung auf Varianzhomogenität ------------- # Test auf Varianzhomogenität mit dem Bartlett-Test: BTest <- bartlett.test(Krankheitstage ~ Gruppen, data = Daten); BTest # Interpretationshilfe: # Zum Vergleich des Bartlett (K-) chi-squared-Wertes mit dem 95%-Quantil der Chi2-Verteilung # dient der folgende Funktionsaufruf. Ist der Bartlett (K-) chi-squared-Werte größer als # in diesem Beispiel das 95%-Quantil der Chi2-Verteilung, muss H0 mit der entsprechenden # Wahrscheinlichkeit verworfen werden. SigNiveau_alpha <- 0.05 # Eine Irrtumswahrscheinlichkeit von 5% wird angenommen! P = 1 - SigNiveau_alpha # 95%ige Wahrscheinlichkeit, BTest$parameter = Freiheitsgrad qchisq(P, BTest$parameter) ## ---------------- Varianzanalyse ------------------------ VarAnalyse <- aov(Krankheitstage ~ Gruppen, data = Daten) summary(VarAnalyse) # Die Nullhypothese (Gleichheit der Mittelwerte) muss abgelehnt werde. ## ---------------- Post-hoc-Analyse ---------------------- # TukeyHSD: Tukey Honest Significant Differences # conf.level = 0.95 PostHoc <- TukeyHSD(VarAnalyse); PostHoc # Grafische Dartsellung: plot(PostHoc) ## ------- Varianzanalyse bei Verletzung der Annahme der Varianzhomogenität ------ # oneway.test: Test for Equal Means in a One-Way Layout VarAnalyseOW <- oneway.test(Krankheitstage ~ Gruppen, data = Daten, var.equal = FALSE); VarAnalyseOW # Kruskal-Wallis-Test (H-Test): # Siehe Video "Kruskal Wallis Test mit R", https://youtu.be/BFSeE5cbGsM ## Skript Ende