model.frame.default 中的错误：运行方差分析时可变长度不同

Question

在我的数据集的一个子集上运行 ANOVA 分析时，会显示此错误：

  Error in model.frame.default(formula = ready$GDPpercapita[ready$cluster ==  :   variable lengths differ (found for 'ready$GDPpercapita[ready$cluster == 3]')

以下是我的代码：

     for(a in 1:6){
  for(b in a+1:6){
    result=paste("GDPpercapita  CLusters ",a,"&",b)
    print( result)
    first<-subset(ready,ready$cluster==a)
    second<-subset(ready,ready$cluster==b)
    x<-summary(aov(first$GDPpercapita~second$GDPpercapita))
    print(x)
  }
}

这是我的数据的一瞥：

enter image description here

错误不是因为循环或创建子集，因为以下代码也返回相同的错误：

x<-summary(aov(ready$GDPpercapita[ready$cluster==1]~ready$GDPpercapita[ready$cluster==2]))
print(x)

列簇是一个因子变量。 我的目标是为所有集群对的每个变量（例如 GDPpercapita）运行 ANOVA。

任何帮助将不胜感激。

Answer 1

问题是您尝试像 t 检验一样使用 ANOVA。

---

ready$GDPpercapita[ready$cluster==1] 返回一个由 GDPpercapita 值组成的向量。

ready$GDPpercapita[ready$cluster==2] 返回一个不同的 GDPpercapita 值向量。

您现在有两个向量，每个向量都保存您的响应变量的值。当试图比较两组观察值的平均值时，应使用 2 样本检验（t 检验非常常见）。 ANOVA 是多余的，它实际上是为了比较多个组的平均值。

---

代码

t.test(ready$GDPpercapita[ready$cluster==1], ready$GDPpercapita[ready$cluster==2])

将比较集群 1 和集群 2 之间的平均 人均 GDP。

由于您尝试比较多个组的平均值 GDPpercapita，因此您可以对每个集群执行此操作（通常称为成对 t 检验）。但是，您必须使用通常不理想的校正（如 Bonferroni）。

---

或者，只要使用正确，ANOVA 似乎是一个好的开始。

aov 函数将公式作为其第一个参数。您使用~（将此运算符视为“by”）和+（此运算符类似于“and”）构建公式。

要将每个集群的平均 GDPpercapita 与其他集群进行比较，您可以调用：

aov(GDPpercapita ~ cluster, data = ready)

将此解读为“在数据集准备就绪中，比较平均 GDPpercapitaBY 变量 cluster 的每个值”。

---

您可以像这样添加更多比较：

aov(GDPpercapita ~ cluster + CurrentHE, data = ready)

将此解读为“在数据集准备就绪中，比较平均 GDPpercapitaBY 变量 cluster 的每个值 AND 变量 CurrentHE 的每个值。

---

请注意，您可能需要进行事后测试，因为 ANOVA 只会告诉您哪些包含的变量（cluster、CurrentHE 等）似乎对响应变量。它不会提供特定信息，例如“集群 1 的 GDPpercapita 高于集群 2”。我建议阅读 ANOVA 和 t 检验，以及如何在 R 中使用它们。