library(xlsx) setwd("D:/R") # 读取数据 data1 <- read.xlsx("试验.xlsx",sheetName = "man") data2 <- read.xlsx("试验.xlsx",sheetName = "weman") data3 <- read.xlsx("试验.xlsx",sheetName = "all") B <- data1$男孩 F <- data3$父亲 G <- data2$女孩 M <- data3$母亲 # t检验 t1=(mean(B)-mean(F))/(sd(B)/sqrt(length(B))) t1 p1 <- pt(t1,length(B)-1) p1 if (p1>0.05){ print("男生高于父亲") } else{ print("男生不高于父亲") } #检验结果为t=-5.123508,显著性P值=1.488898e-06>0.05,接受原假设,认为男生不高于父亲 t2=(mean(G)-mean(M))/(sd(G)/sqrt(length(G))) t2 p2 <- pt(t2,length(G)-1) p2 if (p2>0.05){ print("女生高于母亲") } else{ print("女生不高于母亲") } #检验结果为t=3.994843,显著性P值=0.9999377>0.05,接受原假设,认为女生高于母亲 # 计算结果 results <- list() # 中亲 - 子女 x <- data3$学生 y <- data3$中亲 lm.model <- lm(x ~ y, data = data3) model_summary <- summary(lm.model) model_coeffs <- coef(lm.model) standard_error <- model_summary$sigma CI <- confint(lm.model) cor_coef <- cor(x, y) p_value <- model_summary$coefficients[2,4] results[["中亲-子女"]] <- data.frame(coefficients = model_coeffs, std_error = standard_error, conf_int = CI, cor_coef = cor_coef, p_value = p_value)结果分析
时间: 2024-04-26 15:22:43 浏览: 125
工作计划表-甘特图1.xlsx
5星 · 资源好评率100%
这是一段 R 代码,用于进行 t 检验和线性回归分析。代码中分别读取了三个 Excel 表格的数据,并对其中的数据进行了处理和分析,包括了男孩身高与父亲身高的 t 检验以及女孩身高与母亲身高的 t 检验,以及中亲身高与子女身高的线性回归分析。其中,在 t 检验中,通过计算 t 值和 p 值来判断样本是否具有统计学显著性;而在线性回归分析中,通过计算模型系数、标准误差、置信区间、相关系数以及 p 值等指标来评估模型的拟合效果和变量之间的关系。最终的分析结果表明,男孩身高不高于父亲身高,而女孩身高高于母亲身高;同时,中亲身高与子女身高之间存在一定的相关性。
阅读全文