2017-05-04 52 views
0

我目前正在研究不同性状对蜗牛壳体积的影响。 我有一个数据框,其中每行代表一个给定的个人,并有几个列及其所有属性(长度,壳体积,性别,感染)。ANCOVA中含2个因子的不同组的平均值R

我做了ANCOVA:mod=aov(log(volume) ~ infection*sex*log(length))。 我得到这个:

  Df Sum Sq Mean Sq F value Pr(>F)  
    inf     1 4.896 4.896 258.126 <2e-16 *** 
    sex     1 3.653 3.653 192.564 <2e-16 *** 
    log(length)   1 14.556 14.556 767.335 <2e-16 *** 
    inf:sex    1 0.028 0.028 1.472 0.227  
    inf:log(length)  1 0.020 0.020 1.064 0.304  
    sex:log(length)  1 0.001 0.001 0.076 0.783  
    inf:sex:log(length) 1 0.010 0.010 0.522 0.471  
    Residuals   174 3.301 0.019     

性别,感染和长度,但没有交互项所以显著影响。

由于没有相互作用,我想知道,对于给定的性别,log(volume) = f(log(length))的拦截是否对感染个体或未感染个体更大。
我试图用summary.lm(mod),这给了我这样的:

     Estimate Std. Error t value Pr(>|t|)  
(Intercept)    -0.42806 0.15429 -2.774 0.00613 ** 
infmic     -0.54963 0.40895 -1.344 0.18070  
sexM     -0.11542 0.35508 -0.325 0.74554  
log(length)    2.41915 0.11144 21.709 < 2e-16 *** 
infmic:sexM    0.52459 0.63956 0.820 0.41320  
infmic:log(length)  0.43215 0.33717 1.282 0.20166  
sexM:log(length)   0.04207 0.28113 0.150 0.88122  
infmic:sexM:log(length) -0.38222 0.52920 -0.722 0.47110  
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 0.1377 on 174 degrees of freedom 
Multiple R-squared: 0.8753, Adjusted R-squared: 0.8703 
F-statistic: 174.5 on 7 and 174 DF, p-value: < 2.2e-16 

但我有麻烦解释的结果,仍然没有看到如何缔结。 我也有“很少”其他问题:

为什么lm输出中没有性别和感染? 我知道这里不重要,但是如何解释关于交互条件的线?

我认为是有限的:sexM代表受感染男性与未感染女性相比,log(体积)= f(log(长度))斜率的变化。那么,这将是无限的:长度是感染女性和未感染女性之间的斜率变化?性别M:未感染的男性和未感染的女性之间的变化的长度?这是真的? 三重互动术语代表什么?

非常感谢!

+0

你能告诉我们你的数据是什么样子或进行重复的例子? –

回答

0

编辑:我找到了答案的一部分。我们将数据分成4组(F-NI,FI,M-NI,MI),然后查找每个这些数据的回归线日志(体积)= f(log(长度))的等式组。在这里,系数是由函数给出的那些summary.lm(mod)

的公式为:

  • 对于非感染的女性:log(volume) = (Intercept) + log(length)
  • 对于女性感染者:log(volume) = (Intercept) + infmic + log(length) + infmic:log(length)
  • 对于非感染的男性: log(volume) = (Intercept) + sexM + log(length) + sexM:log(length)
  • 对于感染的男性:log(volume) = (Intercept) + infmic + sexM + infmic:sexM + log(length) + infmic:log(length) + sexM:log(length) + infmic:sexM:log(length)

对于每个等式,斜率是以log(length)开头的部分,截距是之前的部分。

对于你们中的一些人来说,这可能是显而易见的,但我真的不明白每个系数首先代表什么,所以我更愿意把它放在这里!

爱丽丝