使用R語言實現(xiàn)Johnson-Neyman分析

摘 ?要： 為利用R語言實現(xiàn)Johnson-Neyman分析，本文首先利用car程序包對回歸模型進行診斷，利用ggplot2程序包繪制散點圖并添加擬合直線，然后利用interactions程序包進行Johnson-Neyman分析，結(jié)果顯示 interactions程序包能夠正確計算兩組連續(xù)型因變量間差異有統(tǒng)計學(xué)意義時的協(xié)變量的取值范圍并畫出Johnson-Neyman圖。R語言是實現(xiàn)Johnson-Neyman分析的有效工具，并且在繪圖上具有優(yōu)勢，功能強大。

關(guān)鍵詞： R語言;Johnson-Neyman

中圖分類號： O212.4 ? ?文獻(xiàn)標(biāo)識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2019.12.005

本文著錄格式：高啟勝. 使用R語言實現(xiàn)Johnson-Neyman分析[J]. 軟件，2019，40（12）：2124

Johnson-Neyman Analysis in R

GAO Qi-sheng

（School of Public Health， HangZhou Medical College， Hangzhou， Zhejiang 310053 China）

【Abstract】： To implement the Johnson-Neyman analysis in R， the car package was used to diagnose the regression model firstly， the ggplot2 package was used to draw scatter diagram and add fitting straight-line， the interactions package was used to conduct Johnson-Neyman analysis. The results showed that the interactions package can correctly calculate the value range of covariate when two continuous dependent variables have a significant difference and draw Johnson-Neyman plot. R programmer is a powerful tool to implement Johnson-Neyman analysis， and has advantages in plotting.

【Key words】： R language; Johnson-Neyman

0 ?引言

在實驗性研究中，通常對受試對象進行隨機化，以使各種非處理因素如病種、病期、病型、年齡、性別、生活和心理等因素在各組間保持均衡，從而減少非處理因素的影響，使所考察的實驗效應(yīng)真實地顯露出來。然而，對于無法對受試對象進行隨機化或即使隨機化仍存在組間基線不均衡的研究，通常需要應(yīng)用分層分析、協(xié)方差分析、回歸分析和PSM（傾向評分匹配）等方法來對重要的非處理因素予以控制。其中，協(xié)方差分析（ANCOVA）是將線性回歸分析與方差分析結(jié)合起來的一種分析方法，其基本思想是將定量變量X（不可控或未控因素）對Y的影響看做協(xié)變量，建立因變量Y隨X變化的線性回歸關(guān)系，并利用這種回歸關(guān)系把X值化為相等后再進行各組Y的修正均數(shù)的比較。其實質(zhì)是從Y的總離均差平方和中扣除X對Y的回歸平方和，對殘差平方和作進一步分解后再進行方差分析，以更準(zhǔn)確的評價各種處理的效應(yīng)[1]。

協(xié)方差分析的應(yīng)用條件包括：（1）觀察對象相關(guān)獨立;（2）各組因變量服從正態(tài)分布且方差相等;（3）協(xié)變量與因變量之間的關(guān)系是線性關(guān)系; ? （4）在各組中協(xié)變量的回歸系數(shù)（即各回歸線的斜率）必須是相等的，即各組的回歸線是平行[2]。……