我目前正在研究不同性狀對蝸牛殼體積的影響。 我有一個數據框,其中每行代表一個給定的個人,並有幾個列及其所有屬性(長度,殼體積,性別,感染)。ANCOVA中含2個因子的不同組的平均值R
我做了ANCOVA:mod=aov(log(volume) ~ infection*sex*log(length))
。 我得到這個:
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
性別,感染和長度,但沒有交互項所以顯著影響。
由於沒有相互作用,我想知道,對於給定的性別,log(volume) = f(log(length))
的攔截是否對感染個體或未感染個體更大。
我試圖用summary.lm(mod)
,這給了我這樣的:
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
但我有麻煩解釋的結果,仍然沒有看到如何締結。 我也有「很少」其他問題:
爲什麼lm輸出中沒有性別和感染? 我知道這裏不重要,但是如何解釋關於交互條件的線?
我認爲是有限的:sexM代表受感染男性與未感染女性相比,log(體積)= f(log(長度))斜率的變化。那麼,這將是無限的:長度是感染女性和未感染女性之間的斜率變化?性別M:未感染的男性和未感染的女性之間的變化的長度?這是真的? 三重互動術語代表什麼?
非常感謝!
你能告訴我們你的數據是什麼樣子或進行重複的例子? –