anbei:
![Idea :idea:](./images/smilies/icon_idea.gif)
![Question :?:](./images/smilies/icon_question.gif)
Oder sollen wir das abtippen?
Ich verstehe ehrlich gesagt auch nicht das Problem / die Frage. Wo hängt es bei dir?
Regression und Varianzanalyse sind ja vom Model her das gleiche...
Moderator: jogo
anbei:
Wie hast Du das Problem der Gruppenzusammenfassung denn bei der Regression gelöst?
Nicht nur vom Modell, auch von der Syntax in R extrem ähnlich.EDi hat geschrieben:Regression und Varianzanalyse sind ja vom Model her das gleiche...
Wie würde das denn einher gehen mitIst es möglich, dass ich die Varianzanalyse mit den beiden Datensätzen berechne?
Mein Betreuer sagte mir noch, dass ich die Variablen Ernährung N 1,2,3 umkodieren solle?
Das ist ein Thread in dem eine Handvoll Möglichkeiten vorgestellt werden, wie man die angeforderte Umcodierung, d. h. das Zusammenfassen der Kategorien 1 und 2 zu einer gemeinsamen fleischlos-Kategorie, anstellen kann. Wenn das zuviel auf einmal ist, dann les Dir wenigsten den Beitrag durch, der mit "Die Funktion ifelse scheint immer dann, wenn eine binäre Entscheidung gefragt ist" anfängt durch. Bei Dir ist ja eine binäre Entscheidung fleischlos/fleischhaltig gefragt.Leider werde ich hieraus nicht schlauZusatztipp: Gruppenvariable erstellen, siehe z. B. hier: viewtopic.php?p=11051#p11051
In der Regression habe ich die Variable Ernährung nicht miteinbezogen, sondern dort habe ich zwei andere Variablen berechnet, die auf das Tierwohl "wirken". Da musste ich quasi nichts "umkodieren".Wie hast Du das Problem der Gruppenzusammenfassung denn bei der Regression gelöst?
Das "umkodieren" ist ja scheibar nur ein zusammenfassen der Variablen N1+N3?Wie würde das denn einher gehen mit "Mein Betreuer sagte mir noch, dass ich die Variablen Ernährung N 1,2,3 umkodieren solle?"
Danke, ich hatte mir den Beitrag angeschaut, aber ich wusste nicht, welches Vorgehen für mich relevant ist, dann werde ich die "ifelse" Funktion mal probierenDas ist ein Thread in dem eine Handvoll Möglichkeiten vorgestellt werden, wie man die angeforderte Umcodierung, d. h. das Zusammenfassen der Kategorien 1 und 2 zu einer gemeinsamen fleischlos-Kategorie, anstellen kann. Wenn das zuviel auf einmal ist, dann les Dir wenigsten den Beitrag durch, der mit "Die Funktion ifelse scheint immer dann, wenn eine binäre Entscheidung gefragt ist" anfängt durch. Bei Dir ist ja eine binäre Entscheidung fleischlos/fleischhaltig gefragt.
Ja, der dput-Teil ist sehr brauchbar. Damit geht dann das hier:
Code: Alles auswählen
d <- structure(list(Tierwohl = c(10L, 4L, 7L, 10L, 5L, 10L, 10L, 3L,
7L, 10L, 9L, 7L, 8L, 10L, 9L, 3L, 9L, 10L, 10L, 8L, 10L, 6L,
10L, 5L, 9L, 10L, 10L, 10L, 10L, 5L, 8L, 8L, 8L, 10L, 10L, 10L,
7L, 7L, 0L, 6L, 10L, 7L, 9L, 10L, 6L, 8L, 10L, 0L, 10L, 10L,
8L, 10L, 10L, 8L, 8L, 8L, 4L, 8L, 10L, 8L, 10L, 10L, 6L, 10L,
5L, 8L, 8L, 4L, 10L, 8L, 10L, 3L, 10L, 10L, 7L, 10L, 10L, 10L,
8L, 7L, 10L, 10L, 8L, 8L, 10L, 3L, 10L, 6L, 3L, 10L, 8L, 0L,
8L, 8L, 10L, 7L, 0L, 9L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 8L,
3L, 5L, 10L, 8L, 6L, 10L, 7L, 8L, 10L, 5L, 7L, 10L, 5L, 10L,
10L, 10L, 8L, 10L, 5L, 7L, 8L, 10L, 10L, 10L, 10L, 10L, 10L,
10L, 7L, 8L, 10L, 10L, 10L, 9L, 10L, 8L, 8L, 9L, 10L, 10L, 5L,
10L, 10L, 5L), Ernaehrung = c(3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 2L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 1L, 3L, 3L, 1L, 1L, 3L, 3L, 2L,
3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 1L, 1L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 1L, 3L, 3L, 1L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 1L,
2L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 3L, 1L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L)), row.names = c(NA,
-150L), class = "data.frame")
d$gruppe <- ifelse(d$Ernaehrung == 3, yes = "alles", no = "kein Fleisch")
boxplot(d$Tierwohl ~ d$gruppe, xlab = "isst", ylab = "Tierwohl")
abline(h = 0:10, col = "grey", lty = 3)
points(d$Tierwohl ~ jitter(as.integer(as.factor(d$gruppe))), pch = 16)
varianzanalyse <- aov(d$Tierwohl ~ d$gruppe)
summary(varianzanalyse)
t.test(d$Tierwohl ~ d$gruppe)
Eigentlich kann man mit frequentistischer Statistik immer nur Nullhypothesen verwerfen. Insofern klingt das etwas merkwürdig. Aber gut, Du fragst einfach, wenn Du ein Problem hast.