在 R 中对具有多级因子的计数数据进行 Prop.test-解网

问：

我无法确定 prop.test 是否可以运行这么多数据（见下文），或者我是否需要单独运行因子“Zone”的每个级别的代码。到目前为止，我已经看到很多以这种格式编写的示例，但我还有更多的因子水平：

# Whipray "Zone"
prop.test(c(4,4,0), c(9,7,15))

我想知道多年来和不同地点之间空腹的鱼的比例是否在统计学上不同，即测试在任何时间点或地点都没有差异的零值（以及成对测试，看看这些差异在哪里，如果存在）。

空腹的鱼数

> table1 <- xtabs(empty_count ~ Zone + Year, data = df)
> table1
           Year
Zone        2016 2017 2018
  Crocodile    0    8    2
  Rankin       3   17    8
  West         7   31   17
  Whipray      4    4    0

捕获的所有鱼的数量

> table2 <- xtabs(total_count ~ Zone + Year, data = df)
> table2
           Year
Zone        2016 2017 2018
  Crocodile    1   18    7
  Rankin      14   46   69
  West        29   67   58
  Whipray      9    7   15

r 比例

df
#>         Zone Year total_count empty_count
#> 1  Crocodile 2016           1           0
#> 2     Rankin 2016          14           3
#> 3       West 2016          29           7
#> 4    Whipray 2016           9           4
#> 5  Crocodile 2017          18           8
#> 6     Rankin 2017          46          17
#> 7       West 2017          67          31
#> 8    Whipray 2017           7           4
#> 9  Crocodile 2018           7           2
#> 10    Rankin 2018          69           8
#> 11      West 2018          58          17
#> 12   Whipray 2018          15           0

在我看来，与其尝试多次成对比较，不如进行一次逻辑回归，以找出显着差异在哪里。只要确保你有一个“非空”计数列，并且你的年份是因素：

df$non_empty_count <- df$total_count - df$empty_count
df$Year <- as.factor(df$Year)

逻辑回归如下所示：

model <- glm(cbind(empty_count, non_empty_count) ~ Zone + Year, 
             data = df, family = binomial)

summary(model)
#> 
#> Call:
#> glm(formula = cbind(empty_count, non_empty_count) ~ Zone + Year, 
#>     family = binomial, data = df)
#> 
#> Deviance Residuals: 
#>      Min        1Q    Median        3Q       Max  
#> -2.47563  -0.59548   0.04512   0.56564   1.26509  
#> 
#> Coefficients:
#>             Estimate Std. Error z value Pr(>|z|)  
#> (Intercept)  -0.9588     0.5360  -1.789   0.0737 .
#> ZoneRankin   -0.4864     0.4740  -1.026   0.3048  
#> ZoneWest      0.1281     0.4552   0.281   0.7784  
#> ZoneWhipray  -0.1395     0.6038  -0.231   0.8173  
#> Year2017      0.7975     0.3659   2.180   0.0293 *
#> Year2018     -0.3861     0.3831  -1.008   0.3136  
#> ---
#> Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> 
#> (Dispersion parameter for binomial family taken to be 1)
#> 
#>     Null deviance: 39.255  on 11  degrees of freedom
#> Residual deviance: 11.800  on  6  degrees of freedom
#> AIC: 57.905
#> 
#> Number of Fisher Scoring iterations: 5

你可以解释为，虽然空腹的比例在不同地点之间没有显着差异，但与其他年份相比，2017年所有地点空腹的鱼的比例明显更高。

可重现的数据

df <- structure(list(Zone = structure(c(1L, 2L, 3L, 4L, 1L, 2L, 3L, 
4L, 1L, 2L, 3L, 4L), .Label = c("Crocodile", "Rankin", "West", 
"Whipray"), class = "factor"), Year = c(2016, 2016, 2016, 2016, 
2017, 2017, 2017, 2017, 2018, 2018, 2018, 2018), total_count = c(1L, 
14L, 29L, 9L, 18L, 46L, 67L, 7L, 7L, 69L, 58L, 15L), empty_count = c(0L, 
3L, 7L, 4L, 8L, 17L, 31L, 4L, 2L, 8L, 17L, 0L)), row.names = c(NA, 
-12L), class = "data.frame")

^{由 reprex 包（v2.0.1）于 2022-02-09 创建}

在 R 中对具有多级因子的计数数据进行 Prop.test

Prop.test on count data with multi-level factors in R

评论

评论