如何比较组内和组间的变异性？

机器算法验证 r 方差 内核平滑
2022-03-16 10:03:40

为了清楚起见，我重新编辑了这个问题：

  1. 我有通过使用 GPS 跟踪鸟类获得的坐标（图中的所有点）。
  2. 我已经使用这些点来执行核密度估计，以揭示鸟类活动最密集的区域（图中的区域“1”和“2”）。
  3. 我也知道筑巢树的坐标，每个巢都由雌性和雄性保护（带有标签的大蓝点（“A”...“J”）。
  4. 在每个巢穴上进行巢穴防御记录（每次记录 10 分钟，针对三个不同的入侵者，每个同一入侵者两次）= 每个巢穴总共 60 分钟。
  5. 每只鸟（雌性和雄性）表现出 4 种行为：“攻击”、“威胁”、“跳跃”、“检查”。我有所有这些值（持续时间）。

在此处输入图像描述

感谢大卫罗宾逊的时间。我做错了参考！我想参考表 2。在本文中：

onlinelibrary.wiley.com/doi/10.1111/jbi.12048/full

在文章中使用了分子方差分析（AMOVA）。我可以使用类似于我的数据的东西来解释： “变异来源”

  • 地区之间
  • 在集群内的嵌套树之间
  • 嵌套树中的个体（女性与男性）之间

这种AMOVA（可能）是在遗传数据上“设计”的，这是一个问题吗？哪个程序适合我的数据？或者我应该使用嵌套方差分析？如何？

谢谢。

1个回答

您可以使用ANOVA分析来做到这一点：

my.locs$cluster = factor(rep(c(1, 2), each=5))
anova(lm(attribute ~ cluster, my.locs))

# Analysis of Variance Table
# 
# Response: attribute
#           Df Sum Sq Mean Sq F value Pr(>F)
# cluster    1   62.5   62.50  0.1109 0.7477
# Residuals  8 4510.0  563.75

这会找到组内和组间的方差，并使用 F 检验来确定 p 值。对于模拟数据，p 值为 0.7477，表明巢簇之间没有显着差异（不足为奇，因为数据是随机生成的，没有区分簇）。

其它你可能感兴趣的问题
上一篇霍夫丁的束缚在任何方面都紧密吗？ 下一篇拟合“sigmoid”函数：为什么我的拟合这么差？