我正在查看两个区域中的蛋白质浓度随时间的变化，并希望确定它们的回归斜率是否存在显著差异。在两个区域中，蛋白质浓度随时间呈线性增加，但是，一个区域的数据未呈正态分布，另一个区域的数据不具有同质性。因此，我尝试使用sm.ancova函数运行非参数ANCOVA，但不断得到错误：
Error in optimise(f = get(fname), interval = log(c(start/8, start * 4)), :
invalid 'xmin' value我建立了方程：
nonpm<- sm.ancova(Area1, Area2, Age, model="parallel")其中区域1和区域2分别是每个区域中蛋白质的浓度。
数据如下：
Area1 <- c(19.3875, 44.689546, 39.43958333, 45.22222222, 57.15703125, 34.9421875, 32.6390625, 62.50298507, 60.5515625, 61.5140625, 72.221875, 48.778125)
Area2 <- c(60.56111111, 62.536733, 75.42638889, 73.02777778, 144.340625, 42.0578125, 49.7578125, 79.37565399, 126.946875, 92.1765625, 130.521875, 125.7265625)
Age <- c(119, 154, 174, 176, 183, 188, 190, 194, 230, 232, 245, 247)任何有助于理解非参数协方差分析和这里的误差的帮助都将不胜感激。我是一个非参数分析的新手。谢谢！
我也尝试过使用黄土.ancova，但也遇到了类似的问题
1条答案
按热度按时间h7wcgrx31#
不清楚你是如何评估假设的。你是通过看残差来评估假设的吗？一般线性模型（回归、方差分析、协方差分析等）的假设是 * 残差 * 是齐次、正态、独立的（Eisenhart 1947，Seber 1966，Neter et al 1983 pp 31& 49，Quinn and Keogh 2002 pp 110 & 280）。
R中的plot命令是评估正态误差假设的一种易于使用的方法。
pMod〈- lm（蛋白质~年龄 * 面积，模型=“平行”）
图（pMod）
其中，面积为分类变量（2个面积），年龄为回归变量。上述模型中的交互项用于度量斜率的差异。通常可使用广义线性模型glm（）解决违反正态误差假设的问题