Блог

Главная - Вопросы по программированию - Что не так с моим набором данных для использования функции anova в R?

Что не так с моим набором данных для использования функции anova в R?

#r #model #nested #linear-regression #anova

#r #Модель #вложенный #линейная регрессия #anova

Вопрос:

Я хочу сравнить вложенные модели, используя функцию anova в R. Мой набор данных:

 structure(list(Gene = c("ID-1", "ID-1", "ID-1", "ID-1", "ID-1", 
"ID-1", "ID-1", "ID-1", "ID-1", "ID-1", "ID-1", "ID-1", "ID-1", 
"ID-1", "ID-1", "ID-4", "ID-4", "ID-4", "ID-4", "ID-4", "ID-4", 
"ID-4", "ID-4", "ID-4", "ID-4", "ID-4", "ID-4", "ID-4", "ID-4", 
"ID-4", "ID-4", "ID-5", "ID-5", "ID-5", "ID-5", "ID-5", "ID-5", 
"ID-5", "ID-5", "ID-5", "ID-5", "ID-5", "ID-5", "ID-5", "ID-5", 
"ID-5", "ID-5", "ID-5", "ID-5", "ID-6", "ID-6", "ID-6", "ID-6", 
"ID-6", "ID-6", "ID-6", "ID-6", "ID-6", "ID-6", "ID-6", "ID-6", 
"ID-6", "ID-6", "ID-6", "ID-6", "ID-6", "ID-6", "ID-7", "ID-7", 
"ID-7", "ID-7", "ID-7", "ID-7", "ID-7", "ID-7", "ID-7", "ID-7", 
"ID-7", "ID-7", "ID-7", "ID-7", "ID-7", "ID-7", "ID-7", "ID-7", 
"ID-1", "ID-1", "ID-4", "ID-4", "ID-5", "ID-5", "ID-6", "ID-6", 
"ID-7", "ID-7"), mRNA = c(-0.181385669, -0.059647494, 0.104476117, 
-0.052190978, -0.040484945, 0.194226742, -0.501601326, 0.102342605, 
-0.127143845, -0.008523742, -0.102946211, -0.042894028, 0.002922923, 
-0.134394347, -0.214204393, -0.138122686, 0.203242361, 0.097935502, 
0.147068146, -0.089430917, 0.331565412, -0.034572422, -0.129896329, 
0.324191, 0.470108479, -0.027268223, 0.232304713, 0.090348708, 
0.070848402, 0.181540708, -0.502255367, -0.267631441, -0.368647839, 
-0.040910404, -0.003983171, -0.003983171, -0.003983171, -0.14980589, 
-0.119449612, -0.309154214, -0.487589361, 0.272803506, -0.421733575, 
-0.467108567, 0.024868338, -0.156025729, -0.044680175, -0.206716896, 
-0.272014193, -0.230499883, -0.238597397, -0.118130949, 0.349957464, 
0.349957464, 0.349957464, 0.172048587, -0.186226994, 0.16113822, 
-0.293029136, -0.111636253, -0.044189887, 0.081555274, -0.048106079, 
-0.05853566, 0.010407814, -0.066981809, -0.09828484, -0.315190986, 
-0.005102456, 0.221556197, 0.206584568, 0.206584568, 0.206584568, 
0.102649006, -0.011777384, -0.36963487, -0.054853074, -0.230240699, 
-0.210508323, -0.208889919, -0.050763372, 0.023073782, -0.095118984, 
-0.091076071, -0.330257395, 0.102772933, 0.247872038, 0.216357646, 
0.126169901, -0.237278842, -0.066908278, 0.105082639, NA, -0.050061512, 
-0.143484352), Time = c(20L, 20L, 20L, 40L, 40L, 20L, 40L, 40L, 
60L, 60L, 60L, 60L, 120L, 120L, 120L, 20L, 20L, 20L, 40L, 40L, 
20L, 40L, 40L, 60L, 60L, 60L, 60L, 120L, 120L, 120L, 120L, 20L, 
20L, 20L, 0L, 0L, 0L, 40L, 40L, 20L, 40L, 40L, 60L, 60L, 60L, 
120L, 120L, 120L, 120L, 20L, 20L, 20L, 0L, 0L, 0L, 40L, 40L, 
20L, 40L, 40L, 60L, 60L, 60L, 60L, 120L, 120L, 120L, 20L, 20L, 
20L, 0L, 0L, 0L, 40L, 20L, 40L, 40L, 60L, 60L, 60L, 60L, 120L, 
120L, 120L, 120L, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA), Condition = c("Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "Irradiated", 
"Irradiated", "Irradiated", "Irradiated", "Irradiated", "reference", 
"reference", "reference", "reference", "reference", "reference", 
"reference", "reference", "reference", "reference")), class = "data.frame", row.names = c(NA, 
-95L))

И мой код:

 model1 <- lm(mRNA ~ Time, data=GenemRNATimeCondition)
model2 <- lm(mRNA ~ Time   Gene , data=GenemRNATimeCondition)
model3 <- lm(mRNA ~ Time   Gene   Condition, data=GenemRNATimeCondition)
anova_df <- anova(model1,model2,model3)

anova_df[,"model"] <- c("Time","Time Gene","Time Gene Condition")
anova_df
anova(model1,model2,model3)

И это выдает эту ошибку при запуске model3:

 Error in `contrasts<-`(`*tmp*`, value = contr.funs[1   isOF[nn]]) : 
  contrasts can only be applied to factor variables with 2 or more levels

В то время как при запуске

 anova_df <- anova(model1,model2,model3)

Я получаю эту ошибку:

 Error in anova.lmlist(object, ...) : 
  the models were estimated for different sample sizes

Я знаю, что для эталонных значений в столбце «Условие» у меня есть соответствующие значения NA в столбце «Время», но я не понимаю, почему это проблема (если это проблема). Надеюсь, что вы можете помочь мне понять простым способом (возможно, также со статистической точки зрения).

Ответ №1:

Что касается первой ошибки, она сообщает вам, что вам не хватает факторов, либо потому, что у вас их нет, либо потому, что они были удалены из-за пропущенных значений. Так что, например. если для определенной комбинации у вас есть только пропущенные значения, то все строки этой комбинации будут удалены, и такой термин не будет оценен, что приведет к ошибке.

Вторая ошибка связана с тем, что, поскольку вы группируете данные по-разному в каждой модели, отбрасывается разное количество строк, что приводит к оценке моделей на разных подвыборках, что также является проблемой при сравнении моделей.

В основном это из-за пропущенных значений, вам следует разобраться с ними, прежде чем продолжить, или принять другой подход.