Send output to:
Browser Blue - Charts White
Browser Black/White
CSV
Data X:
NA NA 8 6 NA NA 13 1 11 1 10 5.5 NA NA 10 6.5 15 4.5 12 2 12 5 10 0.5 10 5 NA NA NA NA NA NA 14 5.5 NA NA 8 3 NA NA 15 0.5 13 6.5 NA NA 12 7.5 7 5.5 11 4 7 7.5 NA NA 12 4 NA NA NA NA NA NA 12 3.5 15 2.5 12 4.5 6 4.5 NA NA 13 6 11 2.5 NA NA 12 0 10 5 6 6.5 12 5 11 6 NA NA 12 5.5 12 1 NA NA 10 6 11 5 7 1 12 5 13 6.5 14 7 12 4.5 NA NA 14 8.5 NA NA 12 7.5 11 3.5 NA NA NA NA 12 9 NA NA 12 3.5 NA NA 10 6.5 10 7.5 NA NA NA NA NA NA NA NA 10 7.5 NA NA NA NA 12 6.5 NA NA NA NA 12 1.5 NA NA NA NA NA NA 10 0 NA NA 11 5.5 12 5 NA NA NA NA NA NA 6 7 9 0 15 4.5 NA NA 11 1.5 NA NA 12 2.5 12 5.5 11 8 9 1 11 5 NA NA 12 3 14 3 8 8 NA NA NA NA NA NA NA NA NA NA NA NA 11 5.5 9 0.5 11 7.5 12 9 12 9.5 NA NA 12 7 12 8 NA NA 10 7 NA NA NA NA 15 9.5 10 4 15 6 9 8 15 5.5 12 9.5 13 7.5 12 7 NA NA 8 8 9 7 15 7 12 6 12 10 15 2.5 NA NA 12 8 6 6 14 8.5 12 6 12 9 NA NA NA NA 12 5.5 NA NA NA NA 12 9 NA NA 8 8.5 12 9 NA NA 11 9 10 7.5 11 10 NA NA NA NA NA NA NA NA 10 8.5 NA NA 11 10 NA NA 12 6.5 NA NA 12 8.5 NA NA NA NA 15 8 NA NA 8 7 11 7.5 11 7.5 11 9.5 13 6 NA NA 12 7 NA NA NA NA NA NA 11 10 NA NA 7 3.5 NA NA NA NA NA NA NA NA 8 6.5 8 6.5 11 8.5 12 4 NA NA NA NA 12 8.5 NA NA NA NA NA NA NA NA 14 10 9 8 NA NA NA NA 13 5 NA NA 13 4.5 8 8.5 NA NA 8 8.5 12 7.5 11 7.5 NA NA NA NA NA NA 12 5.5 10 8.5 13 9.5 9 7 NA NA NA NA NA NA 11 6.5 9 6.5 NA NA NA NA NA NA 12 10 14 10 NA NA NA NA NA NA 13 7.5 13 4.5 15 4.5 11 0.5 NA NA 10 4.5 11 5.5 14 5 NA NA NA NA 12 8 NA NA 13 6.5 9 8 NA NA 13 5.5 NA NA 11 5 13 3.5 NA NA 12 9 NA NA 9 5 NA NA 13 3 NA NA NA NA 11 0.5 12 6.5 NA NA 12 4.5 12 8 NA NA 9 7.5 NA NA NA NA 11 9.5 12 6.5 NA NA 7 6 NA NA NA NA 10 8 NA NA NA NA
Names of X columns:
conf_software_mannen examenscore_mannen
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
0 seconds
R Server
Big Analytics Cloud Computing Center
Click here to blog (archive) this computation