Ошибка в model.frame.default: переменные длины различаются при запуске ANOVA

Question

Во время выполнения анализа ANOVA для подмножества моего набора данных отображается эта ошибка:

  Error in model.frame.default(formula = ready$GDPpercapita[ready$cluster ==  :   variable lengths differ (found for 'ready$GDPpercapita[ready$cluster == 3]')

Ниже приведен мой код:

     for(a in 1:6){
  for(b in a+1:6){
    result=paste("GDPpercapita  CLusters ",a,"&",b)
    print( result)
    first<-subset(ready,ready$cluster==a)
    second<-subset(ready,ready$cluster==b)
    x<-summary(aov(first$GDPpercapita~second$GDPpercapita))
    print(x)
  }
}

И вот проблеск моих данных:

введите описание изображения здесь

Ошибка не из-за цикла или из-за создания подмножеств, так как следующий код также возвращает ту же ошибку:

x<-summary(aov(ready$GDPpercapita[ready$cluster==1]~ready$GDPpercapita[ready$cluster==2]))
print(x)

Кластер столбцов является факторной переменной.Моя цель - запустить ANOVA для каждой переменной (например, GDPpercapita) для всех пар кластеров.

Любая помощь будет оценена.

Answer 1

Проблема в том, что вы пытаетесь использовать ANOVA как t-критерий.

---

aov(ready$GDPpercapita[ready$cluster==1] возвращает вектор значений GDPpercapita .

aov(ready$GDPpercapita[ready$cluster==2] возвращает другой вектор значений GDPpercapita .

Теперь у вас есть два вектора, каждый из которых содержит значения вашей переменной ответа.При попытке сравнить средние значения двух групп наблюдаемых значений следует использовать тест с 2 выборками (t-критерий очень распространен).ANOVA является излишним, и он действительно предназначен для сравнения средств во многих группах.

---

Код

t.test(ready$GDPpercapita[ready$cluster==1], ready$GDPpercapita[ready$cluster==2])

будет сравнивать среднее значение GDPpercapita между кластерами 1 и 2.

Поскольку вы пытаетесь сравнить среднее значение GDPpercapita по многим группам, вы можете сделать это для каждого кластера (обычно называемого парным t-тестированием),Однако вам придется использовать коррекцию (например, Бонферрони), которая, как правило, не идеальна.

---

В качестве альтернативы ANOVA может показаться хорошим началом, если она используется правильно.

Функция aov принимает формулу в качестве первого параметра.Вы строите формулу, используя ~ (думайте об этом операторе как "по") и + (этот оператор похож на "и").

Для сравнения среднего GDPpercapita каждогокластер друг против друга кластер, вы бы назвали:

aov(GDPpercapita ~ cluster, data = ready)

Прочитайте это как "в наборе данных готов , сравните среднее GDPpercapita BY каждое значение переменной cluster".

---

Вы можете добавить больше сравнений, например так:

aov(GDPpercapita ~ cluster + CurrentHE, data = ready)

Читать это как"в наборе данных готов сравните среднее значение GDPpercapita BY каждое значение переменной cluster AND каждое значение переменной CurrentHE".

---

Обратите внимание, что вам, возможно, придется выполнить специальное тестирование, поскольку ANOVA скажет вам только, какие включенные переменные ( cluster , CurrentHE и т. д.), по-видимому, существенно влияет на переменную ответа.Это не даст конкретной информации, такой как «кластер 1 связан с более высоким ВВП на 10 * *, чем кластер 2».Я бы порекомендовал прочитать о ANOVA и t-тестировании, а также о том, как их использовать в R.