条件逻辑回归的假设检验和变量选择

条件逻辑回归（conditional logistic regression）是针对配对数据资料分析的一种方法。在一些病例-对照研究中，把病例和对照按照年龄、性...

R语言秩相关分析

秩相关（rank-correlation）或称等级相关，是用双变量等级数据作直线相关分析，这类方法对原变量分布不作要求，属于非参数统计方法。适用于下列资料：

两变量曲线关系的拟合（代码+可视化+结果解读）

有些情况两个变量的关系并不是直线形式的，有可能是曲线形式的，此时可以通过曲线拟合来刻画两变量之间的关系。主要方法就是对变量做转换，比如log、平方、多项式、样条...

审稿人问：如何对两条回归直线进行比较？

医学研究中有时会遇到对两直线回归方程进行比较的假设检验问题，例如比较不同的两个实验室获得的某种标准曲线是否一致。这里首先要检验两条直线是否平行，若平行，再检验其...

R语言直线回归和直线相关分析

检验、多样本均数比较的方差分析、卡方检验、秩转换的非参数检验，都是着重于描述某一变量的统计特征（或者叫分布情况）或比较该变量在不同组别之间的差别。但是在大量医学...

R语言协方差分析全解析（aov()和car::Anova()两种方法）

协方差分析有两个重要的应用条件：一是与方差分析的应用条件相同，即理论上要求观察变量服从正态分布，各观察变量相互独立，各样本的总体方差齐性；二是各总体客观存在应变...

现代化R包afex多因素方差分析

在实际研究中，影响结果的因素往往不止一个。比如研究某种药物的疗效时，除了药物本身，患者的性别、年龄、用药剂量等都可能同时影响结果。如果我们对每个因素单独做方差分...

R 4.6.0 版本来了，快来看看主要更新日志吧

一文搞定R语言聚类分析（代码+可视化+结果解读）

聚类分析（cluster analysis）是研究如何将样品或变量进行分类的一种方法，也是一种多元分析方法。

一文搞定！R语言多因素方差分析（代码+可视化+结果解读）

在实际研究中，影响结果的因素往往不止一个。比如研究某种药物的疗效时，除了药物本身，患者的性别、年龄、用药剂量等都可能同时影响结果。如果我们对每个因素单独做方差分...

一文搞定：现代化高级R包afex与重复测量方差分析（代码+可视化+结果解读+多重检验）

之前给大家详细介绍过如何使用R自带的经典函数aov做重复测量方差分析以及如何使用car::Anova做重复测量方差分析。这两种方法各有优缺点：aov函数简单易用...

R语言裂区设计方差分析（代码+数据+可视化）

在实际研究中，影响结果的因素往往不止一个。比如研究某种药物的疗效时，除了药物本身，患者的性别、年龄、用药剂量等都可能同时影响结果。如果我们对每个因素单独做方差分...

R语言嵌套设计方差分析（代码+数据+可视化）

在实际研究中，影响结果的因素往往不止一个。比如研究某种药物的疗效时，除了药物本身，患者的性别、年龄、用药剂量等都可能同时影响结果。如果我们对每个因素单独做方差分...

R语言正交设计方差分析（代码+数据）

在实际研究中，影响结果的因素往往不止一个。比如研究某种药物的疗效时，除了药物本身，患者的性别、年龄、用药剂量等都可能同时影响结果。如果我们对每个因素单独做方差分...

🧩 让数据“说话”：R语言析因设计全攻略（有交互、无交互、多重检验、主效应、简单效应估计）

在实际研究中，影响结果的因素往往不止一个。比如研究某种药物的疗效时，除了药物本身，患者的性别、年龄、用药剂量等都可能同时影响结果。如果我们对每个因素单独做方差分...

龙虾教你如何用car::Anova重复测量方差分析？

之前给大家详细介绍过如何使用R自带的经典函数aov做重复测量方差分析，今天给大家介绍如何使用更加经典的car::Anova做重复测量方差分析。

R语言重复测量方差分析及多重检验

重复测量资料（repeated measurement data）最常见的情况是同一个受试对象前后测量2次，也成为前后测量设计。当前后测量设计的重复测量次数大约...

R语言球对称检验（Sphericity Test）

在重复测量设计（Repeated Measures Design）的方差分析中，球对称性检验（Sphericity Test，也称“球形假设”检验）是一个关键的...

R语言实战广义估计方程（代码+可视化+结果解读）

在医学研究中，我们经常需要对同一群患者在不同时间点进行多次测量，这种数据叫做重复测量数据，这也是最常见的纵向数据之一。

答粉丝问：关于树模型的变量重要性问题！

虽然直觉上我们会认为：越靠近根节点（即第一层分裂）的特征越重要，因为它是最早用来划分数据的变量。但在rpart中，“重要性”并不是仅由分裂层级决定的。