Send output to:
Browser Blue - Charts White
Browser Black/White
CSV
Data X:
149 7.5 NA NA 148 6.5 NA NA NA NA NA NA 159 8.5 NA NA NA NA NA NA NA NA NA NA NA NA 176 5 54 2.5 91 5 NA NA 124 3.5 NA NA 121 4 NA NA NA NA 221 4.5 NA NA NA NA NA NA NA NA 92 7 NA NA 153 5.5 94 2.5 156 5.5 NA NA NA NA NA NA NA NA 151 4.5 NA NA NA NA 157 5 NA NA NA NA NA NA NA NA NA NA 187 4.5 NA NA NA NA 105 7.5 NA NA NA NA NA NA NA NA NA NA NA NA NA NA 128 0 NA NA 49 3.5 NA NA NA NA 162 6 99 1.5 NA NA 186 3.5 NA NA 183 4 NA NA NA NA 104 6 177 5 126 5.5 76 3.5 NA NA 139 6.5 162 6.5 NA NA 159 7 74 3.5 NA NA 96 4 116 7.5 87 4.5 NA NA 127 3.5 NA NA NA NA 74 4.5 91 2.5 133 7.5 NA NA NA NA NA NA 95 3 NA NA 121 3.5 NA NA NA NA NA NA NA NA NA NA 102 4.5 NA NA NA NA NA NA 102 2.5 100 7 94 0 52 1 98 3.5 118 5.5 NA NA NA NA NA NA NA NA NA NA 109 8.5 NA NA NA NA 158 10 NA NA 67 8.5 147 9 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 165 7.5 NA NA NA NA NA NA NA NA NA NA NA NA 150 9 NA NA NA NA NA NA NA NA NA NA 149 8 145 9 NA NA 109 7 132 5.5 NA NA 169 2 NA NA NA NA 172 8.5 NA NA NA NA NA NA 113 9 115 7.5 78 6 118 10.5 NA NA 173 8 NA NA 162 10.5 NA NA 122 9.5 NA NA 100 7.5 82 5 NA NA 115 10 NA NA NA NA NA NA NA NA NA NA 158 10 NA NA 49 3 90 6 121 7 NA NA 104 7 NA NA 110 8 108 10 113 5.5 115 6 NA NA NA NA NA NA NA NA 111 9.5 77 8 NA NA 151 5.5 89 7 78 9 110 8 NA NA NA NA 141 6 117 8 NA NA 63 9 NA NA NA NA 131 9.5 NA NA NA NA NA NA 107 5 77 7 154 8 NA NA NA NA NA NA NA NA 112 8 143 8.5 49 3.5 NA NA NA NA 167 10.5 56 8.5 137 8 NA NA NA NA 149 9.5 168 9 140 10 NA NA NA NA NA NA NA NA 48 6.5 NA NA NA NA NA NA 109 6 63 4 NA NA 162 10.5 NA NA NA NA 164 8.5 NA NA 126 7 NA NA NA NA 83 5 NA NA 81 8.5 NA NA 110 9.5 NA NA 93 1.5 104 6 NA NA NA NA 88 7.5 NA NA NA NA 99 9 NA NA 76 8.5 109 7 NA NA NA NA 120 9.5 NA NA 91 8 108 9.5 NA NA 117 8 119 9
Names of X columns:
LFM_vrouwen examenscore_vrouwen
Response Variable (column number)
Factor Variable (column number)
Include Intercept Term ?
TRUE
TRUE
FALSE
Chart options
Title:
Label y-axis:
Label x-axis:
R Code
cat1 <- as.numeric(par1) # cat2<- as.numeric(par2) # intercept<-as.logical(par3) x <- t(x) x1<-as.numeric(x[,cat1]) f1<-as.character(x[,cat2]) xdf<-data.frame(x1,f1) (V1<-dimnames(y)[[1]][cat1]) (V2<-dimnames(y)[[1]][cat2]) names(xdf)<-c('Response', 'Treatment') if(intercept == FALSE) (lmxdf<-lm(Response ~ Treatment - 1, data = xdf) ) else (lmxdf<-lm(Response ~ Treatment, data = xdf) ) (aov.xdf<-aov(lmxdf) ) (anova.xdf<-anova(lmxdf) ) load(file='createtable') a<-table.start() a<-table.row.start(a) a<-table.element(a,'ANOVA Model', length(lmxdf$coefficients)+1,TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, paste(V1, ' ~ ', V2), length(lmxdf$coefficients)+1,TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, 'means',,TRUE) for(i in 1:length(lmxdf$coefficients)){ a<-table.element(a, round(lmxdf$coefficients[i], digits=3),,FALSE) } a<-table.row.end(a) a<-table.end(a) table.save(a,file='mytable.tab') a<-table.start() a<-table.row.start(a) a<-table.element(a,'ANOVA Statistics', 5+1,TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, ' ',,TRUE) a<-table.element(a, 'Df',,FALSE) a<-table.element(a, 'Sum Sq',,FALSE) a<-table.element(a, 'Mean Sq',,FALSE) a<-table.element(a, 'F value',,FALSE) a<-table.element(a, 'Pr(>F)',,FALSE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, V2,,TRUE) a<-table.element(a, anova.xdf$Df[1],,FALSE) a<-table.element(a, round(anova.xdf$'Sum Sq'[1], digits=3),,FALSE) a<-table.element(a, round(anova.xdf$'Mean Sq'[1], digits=3),,FALSE) a<-table.element(a, round(anova.xdf$'F value'[1], digits=3),,FALSE) a<-table.element(a, round(anova.xdf$'Pr(>F)'[1], digits=3),,FALSE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, 'Residuals',,TRUE) a<-table.element(a, anova.xdf$Df[2],,FALSE) a<-table.element(a, round(anova.xdf$'Sum Sq'[2], digits=3),,FALSE) a<-table.element(a, round(anova.xdf$'Mean Sq'[2], digits=3),,FALSE) a<-table.element(a, ' ',,FALSE) a<-table.element(a, ' ',,FALSE) a<-table.row.end(a) a<-table.end(a) table.save(a,file='mytable1.tab') bitmap(file='anovaplot.png') boxplot(Response ~ Treatment, data=xdf, xlab=V2, ylab=V1) dev.off() if(intercept==TRUE){ 'Tukey Plot' thsd<-TukeyHSD(aov.xdf) bitmap(file='TukeyHSDPlot.png') plot(thsd) dev.off() } if(intercept==TRUE){ a<-table.start() a<-table.row.start(a) a<-table.element(a,'Tukey Honest Significant Difference Comparisons', 5,TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a, ' ', 1, TRUE) for(i in 1:4){ a<-table.element(a,colnames(thsd[[1]])[i], 1, TRUE) } a<-table.row.end(a) for(i in 1:length(rownames(thsd[[1]]))){ a<-table.row.start(a) a<-table.element(a,rownames(thsd[[1]])[i], 1, TRUE) for(j in 1:4){ a<-table.element(a,round(thsd[[1]][i,j], digits=3), 1, FALSE) } a<-table.row.end(a) } a<-table.end(a) table.save(a,file='mytable2.tab') } if(intercept==FALSE){ a<-table.start() a<-table.row.start(a) a<-table.element(a,'TukeyHSD Message', 1,TRUE) a<-table.row.end(a) a<-table.start() a<-table.row.start(a) a<-table.element(a,'Must Include Intercept to use Tukey Test ', 1, FALSE) a<-table.row.end(a) a<-table.end(a) table.save(a,file='mytable2.tab') } library(car) lt.lmxdf<-leveneTest(lmxdf) a<-table.start() a<-table.row.start(a) a<-table.element(a,'Levenes Test for Homogeneity of Variance', 4,TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,' ', 1, TRUE) for (i in 1:3){ a<-table.element(a,names(lt.lmxdf)[i], 1, FALSE) } a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'Group', 1, TRUE) for (i in 1:3){ a<-table.element(a,round(lt.lmxdf[[i]][1], digits=3), 1, FALSE) } a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,' ', 1, TRUE) a<-table.element(a,lt.lmxdf[[1]][2], 1, FALSE) a<-table.element(a,' ', 1, FALSE) a<-table.element(a,' ', 1, FALSE) a<-table.row.end(a) a<-table.end(a) table.save(a,file='mytable3.tab')
Compute
Summary of computational transaction
Raw Input
view raw input (R code)
Raw Output
view raw output of R engine
Computing time
1 seconds
R Server
Big Analytics Cloud Computing Center
Click here to blog (archive) this computation