基本统计分析步骤

问：

我想知道我的代码是否有意义。我的一个同事把它们寄给了我，我一直在使用它们，但我有一种感觉，有些东西是不正确的。 在接下来的代码中，我尝试分析 Shapiro 和 Levene 检验，以了解是否可以执行方差分析，或者我是否必须使用非参数检验（如 Kruskal-Wallis）。 该数据属于名为 的列的子集，我只想分析属于“沙质”沉积物的数据。因此，我为什么要制作这个对象.excel 文件名为“Morphology_Lab_T1_D57_AGB”，我想在统计上与 结合的因子是一个名为 的列。Sediment_typesubset_sandysubset_sandyWave_type

第一步）查找数据中是否存在正态性 （Shapiro） 和同质性 （Levene）：

subset_sandy \<- subset(Morphology_Lab_T1_D57_AGB, Sediment_type == "Sandy")

subset_sandy$Wave_type \<- as.factor(subset_sandy$Wave_type)

AN_sandy \<- lm(Mean_L.\_leaf_length \~ Wave_type, data = subset_sandy)

AN_sandy

par(mfrow = c(2, 2))

plot(AN_sandy)

shapiro.test((AN_sandy$res)) # Normality (α \< 0.2477)

leveneTest(AN_sandy$res, subset_sandy$Wave_type) # Homogeneity (α \< 0.3243)

第二步）在这种情况下，两个测试中的 p 值都高于 alpha，所以我继续做一个成对测试（我猜等于方差分析，如果我错了，请纠正我）：

pairwise_result_sandy \<- pairwise.t.test(subset_sandy$Mean_L.\_leaf_length,

subset_sandy$Wave_type,

p.adjust.method = "bonferroni")

print("Pairwise comparisons for Sandy Sediment")

print(pairwise_result_sandy)

怀疑：

1. 我对这些代码的怀疑是我在第一步中一直在使用的函数，因为我意识到它使线性回归。但是，我的同事已经这样做了很长时间。lm()
2. 对我的分析重要吗？我不明白这是什么意思。par(mfrow = c(2, 2))
3. 我被告知这并不等同于“事后”，但在我的代码中，我添加了 （） 。我也想做一个事后。p.adjust.method= "bonferroni"p.adjust.method