问题描述
我想找出每个变量能解释多少差异。但是,当我翻转模型中的变量并运行manova时,会得到不同的值。
这是我的数据(lin
)的大致样子:
lin <- data.frame(Length = sample(8:200,66,replace = T),TD = sample(4:46,SD = sample(1:30,Angle = sample(-28:110,Pigot = sample(letters[1:10],Order = sample(letters[1:19],replace = T))
liny <- as.matrix(cbind(lin$Length,lin$TD,lin$SD,lin$Angle))
lin$y <- liny
我使用lm.rrpp()
包中的RRPP
函数创建了模型。该函数的说明如下:
之所以使用它是因为我想创建一个系统发育的广义最小二乘(PGLS)模型,显然基于排列的PGLS对于多变量数据更好(Adams和Collyer,2019)。为了创建PGLS模型,我在树lattree
的模型中加入了系统进化协方差矩阵。我已经检查过了,我相当确定该数据和树遵循布朗运动。以下是lattree
的摘要:
Phylogenetic tree: lattree
Number of tips: 66
Number of nodes: 63
Branch lengths:
mean: 18.61592
variance: 400.4626
distribution summary:
Min. 1st Qu. Median 3rd Qu. Max.
0.08051153 4.46181708 11.06993733 22.99037164 77.44630588
Root edge: 0
First ten tip labels: Meleagris_gallopavo
Lagopus_lagopus
Branta_canadensis
Branta_bernicla
Mergus_merganser
Bucephala_islandica
Aix_sponsa
Tadorna_tadorna
Anas_crecca
Anas_clypeata
No node labels.
话虽如此,这是第一个模型和MANOVA的结果:
linbm <- lm.rrpp(y ~ Pigot + Order,data = lin,Cov = vcv(phy = lattree))
linma <- manova.update(linbm,tol = 0.001)
summary(linma,test = "Pillai")
Linear Model fit with lm.rrpp
Number of observations: 66
Number of dependent variables: 4
Data space dimensions: 4
Residual covariance matrix rank: 4
Sums of Squares and Cross-products: Type I
Number of permutations: 1000
Df Rand Pillai Z Pr(>Pillai)
Pigot 9 Residuals 1.091039 1.35992417 0.079
Order 18 Residuals 0.889333 -1.76439691 0.959
Full.Model 27 Residuals 1.618788 -0.07714005 0.557
Residuals 38
这是模型和结果,其中变量的顺序已更改:
linbm1 <- lm.rrpp(y ~ Order + Pigot,Cov = vcv(phy = lattree))
linma1 <- manova.update(linbm1,tol = 0.001)
summary(linma1,test = "Pillai")
Linear Model fit with lm.rrpp
Number of observations: 66
Number of dependent variables: 4
Data space dimensions: 4
Residual covariance matrix rank: 4
Sums of Squares and Cross-products: Type I
Number of permutations: 1000
Df Rand Pillai Z Pr(>Pillai)
Order 18 Residuals 1.0200571 -0.99262373 0.836
Pigot 9 Residuals 0.9755266 0.87378038 0.201
Full.Model 27 Residuals 1.6187879 -0.07714005 0.557
Residuals 38
如您所见,我得到了不同的值。有谁知道为什么会这样,怎么办?我曾尝试研究它,但是我真的不理解它背后的数学或概念,因此我真的不知道发生了什么。任何帮助/见解将不胜感激!理想情况下,非常感谢“傻瓜”的解释...:')
谢谢
卡罗琳娜
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)