ANOVA a un fattore between in R

Transcript

1 ANOVA a un fattore between in R Il file Excel Il file sinburn.xlsx contiene i dati dello studio sulla sindrome da burnout in quindici infermieri ospedalieri di tre diversi reparti. Importare dati in R a partire da file Excel è un po' complicato. Davide Massidda davide.massidda@gmail.com Il modo più semplice è convertire il file Excel in CSV e importare in R i dati da questo formato. CSV = Comma Separated Values. Università di Cagliari, a.a. 2013/2014 Da Excel a CSV Il file CSV Per convertire il file Excel nel formato CSV: Il CSV è un file di testo analogo al TXT. File > Salva con nome A differenza del TXT, però, l'estensione CSV identifica un file il cui contenuto è una tabella di dati (il TXT invece è generico: può contenere quasiasi tipo di testo). CSV (deliminato da separatore di elenco) Il contenuto del file CSV può essere visualizzato aprendo il file con un editor di testo come il blocco note o, meglio, il più evoluto Notepad++. notepad-plus-plus.org Excel riconosce in automatico l'estensione CSV ed è in grado di aprire il file, solo che, ovviamente, la formattazione del file originale è stata persa nell'operazione di conversione.

2 Gli standard CSV La directory di lavoro Uno standard vero e proprio per il CSV non esiste; quelli in tabella sono i più diffusi. Da notare che la prima riga contiene i nomi delle variabili. Per sapere qual è la directory di lavoro corrente: > getwd() Standard Separatore di campo Anglosassone Mediterraneo Virgola Punto e virgola Separatore decimale Punto Virgola Cambiare la directory di lavoro e posizionarsi nella cartella che contiene il file: Session > Set Working Directory > Choose Directory... Lettura di file esterni Importazione del dataset Nome che sarà assegnato all'oggetto R che dovrà contenere il dataset. Caratteristiche del file di testo. RStudio ha tradotto la pressione dei pulsanti in comandi R: read.csv() per importare i dati e View() per visualizzarli. I dati saranno salvati all'interno di un oggetto R.

3 Il data frame Visionare il data frame Le tabelle di dati vengono salvate in R in un oggetto di classe data frame. Un data frame è una tabella nella quale le colonne rappresentano le variabili e le righe rappresentano le unità sottoposte a misurazione. Il data frame è simile a una matrice, ma, a differenza di questa, è concepito come una collezione di variabili (disposte per colonna) che possono anche essere di tipo diverso. In un oggetto di tipo data.frame è possibile accedere alle singole variabili utilizzando il simbolo del dollaro $: > sinburn$burnout > sinburn$reparto Struttura dei dati > str(sinburn) 'data.frame': 15 obs. of 3 variables: $ sogg : int $ burnout: int $ reparto: Factor w/ 3 levels "Ip","Os","Rn": Accedere alle variabili Invece di utilizzare il dollaro, possiamo accedere alle variabili in altri modi, per esempio utilizzando la funzione with(): > with( sinburn, mean(burnout) ) [1] 16.2 L'oggetto sinburn è un data frame di 15 righe e 3 colonne. Oppure usando la funzione attach(): Queste colonne sono: - sogg, variabile che contiene numeri interi; - burnout, variabile che contiene numeri interi; - reparto, variabile categoriale (fattore) con tre livelli. > attach(sinburn) > mean(burnout) [1] 16.2 > detach(sinburn) N.B. - Le variabili che nel file CSV contengono testo (come reparto) nel processo di importazione dati vengono automaticamente convertite in fattore. Questo non accade per le variabili numeriche.

4 Pacchetti aggiuntivi Installazione pacchetti La distribuzione base di R contiene molte funzioni, ma queste non possono coprire le sterminate necessità di tutti gli utilizzatori del software. Sul sito di R sono disponibili pacchetti aggiuntivi dedicati all'analisi dei dati in specifici settori disciplinari. Uno di questi è psych, dedicato all'analisi dei dati per la ricerca in psicologia. Un altro è sciplot, che fornisce alcune funzioni per generare grafici per descrivere dati di disegni fattoriali (come il dynamite plot). Scrivere qui il nome del pacchetto da installare e premere su Install. Attivare i pacchetti Statistiche descrittive Ogni volta che apriamo R, se vogliamo utilizzare un pacchetto aggiuntivo (installato da noi) dovremo attivarlo. Possiamo selezionare con un flag il pacchetto dalla lista, oppure possiamo usare il comando library(): Usiamo la funzione describeby() del pacchetto psych: > describeby(sinburn$burnout, sinburn$reparto) group: Ip vars n mean sd median trimmed mad min max range skew kurtosis se group: Os vars n mean sd median trimmed mad min max range skew kurtosis se group: Rn vars n mean sd median trimmed mad min max range skew kurtosis se > library(psych) > library(sciplot)

5 Dynamite plot Grafico a scatola con baffi Usiamo la funzione bargraph.ci() del pacchetto sciplot: Usiamo la funzione boxplot(): > bargraph.ci(reparto, burnout, data=sinburn) > boxplot(burnout ~ reparto, data=sinburn) N.B. per default, le barre d'errore rappresentano gli errori standard (e non gli intervalli di confidenza). Analisi della varianza Omogeneità delle varianze Usiamo la funzione aov(): Usiamo la funzione bartlett.test(): > model < aov(burnout ~ reparto, data=sinburn) > bartlett.test(burnout burnout ~ reparto, data=sinburn) > summary(model) Bartlett test of homogeneity of variances Df Sum Sq Mean Sq F value Pr(>F) reparto ** Residuals Signif. codes: 0 *** ** 0.01 * data: burnout by reparto Bartlett's K squared = , df = 2, p value =

6 Analisi post-hoc Analisi post-hoc Usiamo la funzione TukeyHSD(): Usiamo la funzione pairwise.t.test(): > TukeyHSD(model) Tukey multiple comparisons of means 95% family wise confidence level Fit: aov(formula = burnout ~ reparto, data = sinburn) $reparto diff lwr upr p adj Os Ip Rn Ip Rn Os > attach(sinburn) > pairwise.t.test(burnout, reparto, "bonferroni") Pairwise comparisons using t tests with pooled SD data: burnout and reparto Ip Os Os Rn P value adjustment method: bonferroni