獨斷論

R 통계패키지에서 제공하는 선형회귀분석 명령어는 매우 다양한데 여기서는 가장 많이 사용하는 한 가지에 대해서만 알아보기로 하겠다. 우선 데이터를 읽어들이고 lm()을 이용하여 선형회귀분석을 실행하면 된다. 이때 formula를 입력하여야 하는데 보통 아래와 같다. (Dependent Variables) ~ (Independent Variables) 그러면 R 패키지에 들어있는 cats라는 데이터를 이용하여 선형회귀분석을 수행해 보기로 하자. > data(cats) > lm(cats$Hwt ~ cats$Bwt) Call: lm(formula = cats$Hwt ~ cats$Bwt) Coefficients: (Intercept) cats$Bwt -0.3567 4.0341 cats데이터에서 Hwt는 심장무게이..

상관관계(correlation)는 두 변수사이에 어떠한 관계가 있는지 알아보는 것이며 여기에서는 관계가 서로 선형(linear)인것만 가정한다. R의 MASS 패키지에 있는 cats이라는 데이터를 사용할 것이므로 다음과 같이 입력하면 된다. > library("MASS") > data(cats) 고양이 성별에 따른 몸무게와 심장무게를 갖는 데이터이다. str(cats)라고 입력하면 어떠한 데이터인지 알수 있는데 Bwt는 몸무게이고 Hwt는 심장무게이다. 몸무게와 심장무게를 그래프로 그리려면 아래와 같이 하면 된다. > with(cats, plot(Bwt, Hwt)) 그래프로부터 강한 선형관계가 있음을 알수있고 이를 수치적으로 알아보기위하여 Pearson product moment correlation c..

앞서 해봤던 Factorial between-subjects ANOVA 첫번째에 이어서 두번째 시간에서는 본격적으로 ANOVA를 수행해 보기로 하자. 우선 R에서 어떻게 ANOVA 모델을 입력하는지 그 대략을 살펴보면 아래와 같다. symbol example meaning + + x include this variable - - x delete this variable : x : z include the interaction between these variables * x * z include these variables and the interactions between them / x / z nesting: include z nested within x | x | z conditioning: inc..

이번에 할것은 Factorial Between-Subjects ANOVA이다. 우선 R에서 제공하는 ToothGrowth 데이터를 이용한다. 이를 불러오기 위해서는 아래와 같이 실행하면 된다. > data(ToothGrowth) > str(ToothGrowth) 'data.frame': 60 obs. of 3 variables: $ len : num 4.2 11.5 7.3 5.8 6.4 10 11.2 11.2 5.2 7 ... $ supp: Factor w/ 2 levels "OJ","VC": 2 2 2 2 2 2 2 2 2 2 ... $ dose: num 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 ... > 데이터구조는 dataframe이고 60개의 observation에 ..

무료 통계프로그램 R에서 사용할수 있는 GUI 중에 사용하기 좋은것이 RStudio말고 하나 더 있다. 주로 리눅스 KDE용으로 개발된 Rkward인데 이제 이것을 windows에서도 사용할수 있다. 사용방법은 간단. 아래 링크로 이동한 후에 최신버전 bundle로 다운받는다. http://sourceforge.net/projects/rkwardextras/files/Windows/ 현재 2013년 11월 8일 최신버전은 0.6.1 self-extracting파일로 되어 있으므로 실행시키면 프로그램 압축이 저절로 풀린다. 재밌는건 bundle이다보니 설치도 필요 없고 R 프로그램까지 같이 딸려 온다는거... 그러니깐 설치가 아니라 하드디스크에 그냥 복사해서 쓰는거다. 다운받은걸 실행하면 아래같이 뜨는데 ..

R은 커맨드로 입력되는 프로그램이라 그래프 그릴때 좀 어렵다. 특히 심벌을 바꿀때는 옵션을 바꾸어 줘야 하는데 머리에 외우는 일이란 참으로 불가능한 일이다. 그래서 참고로 여기 자주 이용되는 몇개의 심벌을 올려놓으니 참조하기 바란다. 예를 들어 아래처럼 수행해서 두 그림을 비교해보자.> x = rnorm(100) > plot(x, pch=1) > plot(x, pch=2)

ANOVA를 수행한 후에는 꼭 해야할 일이 post hoc 테스트인데 이것은 각 그룹들 사이에 어떤 한 쌍의 그룹이 가장 큰 차이를 보여주었는지를 알아보는 것이다. 앞서 ANOVA는 단지 p-value만 보여주어 샘플 데이터의 그룹 평균값의 차이가 통계적으로 의미있는지 없는지 찾아봤다면, post hoc 테스트는 그 의미있는 통계적 차이가 어떤 특정 그룹에 의해서 생겨났는지를 보는 것이라고 이해하면 된다. 수행방법은 아래와 같다. > data(InsectSprays) # 데이터를 불러들인다 > aov.results = aov(count ~ spray, data=InsectSprays) # ANOVA 수행 > summary(aov.results) # 결과 출력 Df Sum Sq Mean Sq F value..

http://dogmas.tistory.com/190에서 one-way ANOVA를 수행하였는데 여기서는 이에 대한 power analysis를 수행하도록 하자. 기본적인 문법은 아래와 같다. 각 인자에 대한 설명은 help(power.anova.test)를 수행하면 자세하게 볼수있다. power.anova.test(groups = NULL, n = NULL, between.var = NULL, within.var = NULL, sig.level = 0.05, power = NULL) 가장 중요한 사항은 기본값이 NULL로 표시된 인자들 중에서 하나는 반드시 값이 계산되어지는 변수이어야만 한다는 것이다. 간단한 예를 들면. > power.anova.test(groups = 4, n = 5, between..