Bom dia, peço desculpa pois o script não estava completo.
nO que eu teciono fazer é relacionar as variaveis pthi e dose em funça
da variavel efactor qu tem dois niveis C e H.
pretendo relacionar pthi~dose para o nivel H e outra relação para o
nivel C e fazer um grafico que mostre as duas em separado fiz:
setwd("G:/SIN/Users/Ana Rua/Ana_trabalho")
#objectivo:
#avaliar a correlação de pthi com DOSE_Cinacalcet, controlando os
efeitos da variável GRUPO, que é do tipo fator com dois estados, H e C.
dados<-read.table("correlacaocinacalcet.csv",header=TRUE,sep=";")
dados
Doente Grupo Pthi Dose_Cinacalcet
1 54020637 H 221.60 1080
2 54020698 H 317.00 2790
3 54020681 H 412.60 930
4 54131227 H 462.00 900
5 54030338 H 474.90 930
6 54220370 H 547.00 930
7 54110496 H 547.50 930
8 54110160 H 589.00 930
9 54140258 H 709.00 930
10 54110468 H 804.90 930
11 54130380 H 842.00 930
12 54300217 H 855.40 930
13 54110542 H 911.50 930
14 54300021 H 979.30 930
15 54020732 H 1000.00 930
16 54300160 H 1054.00 840
17 54300040 H 1178.00 900
18 54131239 H 1409.00 930
19 54140376 H 1579.00 420
20 54020303 H 2794.00 1860
21 54030135 H 204.00 420
22 54140295 H 236.00 2790
23 54140011 H 253.00 930
24 54210252 H 334.00 930
25 54130307 H 358.00 390
26 54300160 H 360.80 930
27 54210085 H 426.00 930
28 54030451 H 494.50 1860
29 54020681 H 535.90 900
30 54030344 H 594.60 1860
31 54110542 H 615.70 900
32 54110255 H 659.00 1860
33 54110468 H 666.10 900
34 54020637 H 705.70 480
35 54300040 H 765.20 930
36 54300217 H 875.80 930
37 54110496 H 953.20 900
38 54131239 H 982.00 930
39 54300021 H 1275.00 930
40 54110160 H 1297.00 900
41 54110070 H 1312.00 1440
42 54130380 H 1330.00 930
43 54020732 H 1388.00 900
44 54020303 H 2060.00 2790
45 54110386 H 2432.00 900
46 54210217 H 63.50 1860
47 54110255 H 86.19 1710
48 54210104 H 236.00 2040
49 54210333 H 249.00 1860
50 54300040 H 256.00 390
51 54030135 H 265.90 60
52 54140295 H 322.70 2790
53 54030451 H 354.60 1860
54 54110542 H 436.00 930
55 54060515 H 458.80 510
56 54110468 H 460.40 930
57 54210252 H 480.10 930
58 54300160 H 480.90 900
59 54210085 H 627.80 930
60 54110496 H 700.50 930
61 54110160 H 700.90 930
62 54020732 H 739.90 870
63 54030344 H 760.70 1860
64 54020681 H 808.60 870
65 54300021 H 830.10 900
66 54210233 H 883.00 930
67 54140326 H 1033.00 390
68 54300217 H 1074.00 900
69 54210181 H 1138.00 2820
70 54130380 H 1145.00 900
71 54110070 H 1174.00 1350
72 54020637 H 1308.00 870
73 54220660 H 1401.00 1860
74 54300248 H 1462.00 1860
75 54020303 H 1536.00 2700
76 54131031 C 76.50 780
77 54210217 C 159.30 390
78 54210252 C 161.10 780
79 54210181 C 268.00 2070
80 54300021 C 280.90 390
81 54030451 C 364.10 720
82 54300160 C 574.30 390
83 54110468 C 603.90 390
84 54030135 C 651.80 390
85 54300255 C 727.10 360
86 54110542 C 738.60 390
87 54110255 C 745.00 390
88 54210233 C 764.50 1170
89 54020681 C 771.20 420
90 54300217 C 772.30 840
91 54140011 C 788.70 540
92 54030344 C 807.50 780
93 54210085 C 813.60 900
94 54110160 C 856.30 780
95 54300268 C 865.10 840
96 54110070 C 882.70 810
97 54140326 C 883.90 540
98 54140295 C 916.30 600
99 54110496 C 923.70 780
100 54210333 C 984.70 780
101 54300068 C 1044.00 420
102 54210104 C 1084.00 810
103 54020637 C 1287.00 2970
104 54020732 C 1332.00 390
105 54130380 C 1334.00 600
106 54210180 C 1401.00 420
107 54300248 C 1452.00 390
108 54110386 C 2664.00 780
109 54020303 C 2980.00 1620
110 54300068 C 176.70 390
111 54210217 C 217.00 390
112 54210104 C 221.60 1080
113 54110160 C 369.70 720
114 54300160 C 373.00 420
115 54030451 C 484.40 840
116 54300156 C 512.10 390
117 54030135 C 574.50 390
118 54210252 C 613.00 780
119 54210181 C 613.30 1080
120 54130380 C 626.30 840
121 54060515 C 706.10 840
122 54140326 C 777.30 720
123 54030344 C 793.20 780
124 54110468 C 819.00 360
125 54300255 C 822.60 390
126 54110255 C 855.20 390
127 54140011 C 861.50 960
128 54300021 C 948.70 960
129 54110496 C 984.50 660
130 54300268 C 1069.00 780
131 54140295 C 1130.00 720
132 54110070 C 1177.00 780
133 54210180 C 1250.00 1170
134 54300217 C 1318.00 780
135 54210333 C 1382.00 870
136 54300248 C 1404.00 570
137 54110542 C 1446.00 360
138 54210085 C 2230.00 1170
139 54110386 C 2577.00 720
140 54020303 C 2924.00 1440
141 54210180 C 116.80 1080
142 54210181 C 229.70 960
143 54210217 C 267.90 270
144 54210252 C 285.80 690
145 54300068 C 311.80 390
146 54300156 C 470.20 420
147 54110255 C 485.90 390
148 54030451 C 526.40 780
149 54110374 C 628.10 720
150 54110070 C 687.10 780
151 54210333 C 702.70 1170
152 54030344 C 722.20 840
153 54140326 C 765.30 840
154 54130380 C 811.80 780
155 54300217 C 845.20 720
156 54030135 C 853.80 420
157 54300255 C 949.30 570
158 54210104 C 978.10 780
159 54140295 C 1076.00 780
160 54300268 C 1240.00 780
161 54210085 C 1391.00 1260
162 54300248 C 1738.00 780
grupo<-dados$Grupo
pthi<-dados$Pthi
dose<-dados$Dose_Cinacalcet
[1] H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H
[38] H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H
[75] H C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C
[112] C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C
C C C C C
[149] C C C C C C C C C C C C C C
Levels: C H
pthi
[1] 221.60 317.00 412.60 462.00 474.90 547.00 547.50 589.00 709.00
[10] 804.90 842.00 855.40 911.50 979.30 1000.00 1054.00 1178.00 1409.00
[19] 1579.00 2794.00 204.00 236.00 253.00 334.00 358.00 360.80 426.00
[28] 494.50 535.90 594.60 615.70 659.00 666.10 705.70 765.20 875.80
[37] 953.20 982.00 1275.00 1297.00 1312.00 1330.00 1388.00 2060.00 2432.00
[46] 63.50 86.19 236.00 249.00 256.00 265.90 322.70 354.60 436.00
[55] 458.80 460.40 480.10 480.90 627.80 700.50 700.90 739.90 760.70
[64] 808.60 830.10 883.00 1033.00 1074.00 1138.00 1145.00 1174.00 1308.00
[73] 1401.00 1462.00 1536.00 76.50 159.30 161.10 268.00 280.90 364.10
[82] 574.30 603.90 651.80 727.10 738.60 745.00 764.50 771.20 772.30
[91] 788.70 807.50 813.60 856.30 865.10 882.70 883.90 916.30 923.70
[100] 984.70 1044.00 1084.00 1287.00 1332.00 1334.00 1401.00 1452.00 2664.00
b[109] 2980.00 176.70 217.00 221.60 369.70 373.00 484.40 512.10 574.50
[118] 613.00 613.30 626.30 706.10 777.30 793.20 819.00 822.60 855.20
[127] 861.50 948.70 984.50 1069.00 1130.00 1177.00 1250.00 1318.00 1382.00
[136] 1404.00 1446.00 2230.00 2577.00 2924.00 116.80 229.70 267.90 285.80
[145] 311.80 470.20 485.90 526.40 628.10 687.10 702.70 722.20 765.30
[154] 811.80 845.20 853.80 949.30 978.10 1076.00 1240.00 1391.00 1738.00
dose
[1] 1080 2790 930 900 930 930 930 930 930 930 930 930 930 930 930
[16] 840 900 930 420 1860 420 2790 930 930 390 930 930 1860
900 1860
[31] 900 1860 900 480 930 930 900 930 930 900 1440 930 900
2790 900
[46] 1860 1710 2040 1860 390 60 2790 1860 930 510 930 930 900
930 930
[61] 930 870 1860 870 900 930 390 900 2820 900 1350 870 1860
1860 2700
[76] 780 390 780 2070 390 720 390 390 390 360 390 390 1170
420 840
[91] 540 780 900 780 840 810 540 600 780 780 420 810 2970
390 600
[106] 420 390 780 1620 390 390 1080 720 420 840 390 390 780
1080 840
[121] 840 720 780 360 390 390 960 960 660 780 720 780 1170
780 870
[136] 570 360 1170 720 1440 1080 960 270 690 390 420 390 780
720 780
[151] 1170 840 840 780 720 420 570 780 780 780 1260 780
levels(grupo)
[1] "C" "H"
class(dose) # dose é da classe INTEIRO e pode ser convertido para
FATOR na ANOVA
dose_real <- as.real(dose) # dose foi convertido para formato de numeros reais
lm( formula, data, weights, subset, na.action )
'formula' - é uma fórmula estatística que indica o modelo a ser
ajustado. Possui a mesma forma básica que foi vista na funções gráficas.
'data' - o conjunto de dados (data.frame).
'weights' - são os pesos para regressão ponderada.
'subset' - um vetor com as condições que definem um sub-conjunto dos dados.
'na.acation' - função que especifica o que fazer no caso de
observações perdidas (NA). O valor default é 'na.omit' que elimina as
linhas (observações) que possuem observações perdidas nas variáveis
definidas na fórmula.
modelo1<-lm(pthi~dose)
modelo1
class(modelo1)
[1] "lm"
'pthi ~ dose' indica: modele pthi como função estatística de dose;
Call:
lm(formula = pthi ~ dose)
Coefficients:
(Intercept) dose
738.3511 0.1177
summary: a função 'summary' apresenta um resumo do modelo linear com:
1.
estatísticas descritivas dos resíduos;
2.
teste t dos coeficientes de regressão;
3.
erro padrão da estimativa;
4.
coeficiente de determinação e coef. de det. ajustado;
5.
teste F geral do modelo.
summary(modelo1)
#summario das estatísticas estimadas
Call:
lm(formula = pthi ~ dose)
Residuals:
Min 1Q Median 3Q Max
-893.70 -363.16 -44.26 236.59 2051.04
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 738.35105 84.15885 8.773 2.47e-15 ***
dose 0.11766 0.07688 1.530 0.128
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 545.3 on 160 degrees of freedom
Multiple R-squared: 0.01443, Adjusted R-squared: 0.008268
F-statistic: 2.342 on 1 and 160 DF, p-value: 0.1279
anova: a função 'anova' apresenta a Tabela de análise de variância,
tendo as variáveis preditoras como fatores:
anova(modelo1)
Analysis of Variance Table
Response: pthi
Df Sum Sq Mean Sq F value Pr(>F)
dose 1 696390 696390 2.3422 0.1279
Residuals 160 47571107 297319
X11() # abre uma nova janela para plotar os graficos (veja no windows)
par(col="red")
plot(pthi~dose,xlab="dose",ylab="pthi", main="y=738.3511+0.1177dose,
p=0.1279")
#Adicionar a reta da regressão no gráfico:
abline(modelo1)
'pthi ~ grupo' indica: modele pthi como função estatística de grupo;
modelo2 <- lm(pthi~grupo)
modelo2
Call:
lm(formula = pthi ~ grupo)
Coefficients:
(Intercept) grupoH
888.49 -84.84
summary(modelo2)
Call:
lm(formula = pthi ~ grupo)
Residuals:
Min 1Q Median 3Q Max
-811.99 -344.45 -94.97 221.10 2091.51
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 888.49 58.71 15.134 <2e-16 ***
grupoH -84.84 86.28 -0.983 0.327
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 547.6 on 160 degrees of freedom
Multiple R-squared: 0.006007, Adjusted R-squared: -0.0002057
F-statistic: 0.9669 on 1 and 160 DF, p-value: 0.3269
anova(modelo2)
Analysis of Variance Table
Response: pthi
Df Sum Sq Mean Sq F value Pr(>F)
grupo 1 289930 289930 0.9669 0.3269
Residuals 160 47977567 299860
x11()
par(col="blue")
plot(pthi~grupo,xlab="grupo",ylab="pthi", main="y=88.49-84.84grupo, p=0.1279")
#Adicionar a reta da regressão no gráfico:
abline(modelo2)
modelo3 <- lm(pthi~dose+grupo)
modelo3
Call:
lm(formula = pthi ~ dose + grupo)
Coefficients:
(Intercept) dose grupoH
760.1821 0.1729 -159.5969
>
summary(modelo3)
Call:
lm(formula = pthi ~ dose + grupo)
Residuals:
Min 1Q Median 3Q Max
-858.70 -322.92 -64.76 219.93 1939.70
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 760.18206 84.59910 8.986 7.13e-16 ***
dose 0.17291 0.08286 2.087 0.0385 *
grupoH -159.59687 92.60311 -1.723 0.0868 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
anova(modelo3)
Analysis of Variance Table
Response: pthi
Df Sum Sq Mean Sq F value Pr(>F)
dose 1 696390 696390 2.3711 0.12559
grupo 1 872380 872380 2.9703 0.08675 .
Residuals 159 46698728 293703
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 541.9 on 159 degrees of freedom
Multiple R-squared: 0.0325, Adjusted R-squared: 0.02033
F-statistic: 2.671 on 2 and 159 DF, p-value: 0.07231
x11()
par(col="blue")
plot(pthi~dose+grupo,x1lab="dose",x2lab="grupo",ylab="pthi",
main="grafico de dispersão")
#Adicionar a reta da regressão no gráfico:
abline(modelo3)
#recta da regressão
text("y=760.1821+0.17291dose-159.5969grupo, p=0.07231")
modelo4 <- lm(pthi~dose*grupo)
modelo4
Call:
lm(formula = pthi ~ dose * grupo)
Coefficients:
(Intercept) dose grupoH dose:grupoH
593.0182 0.3982 125.6516 -0.3258
summary(modelo4)
Call:
lm(formula = pthi ~ dose * grupo)
Residuals:
Min 1Q Median 3Q Max
-1149.24 -343.87 -81.02 209.53 1940.74
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 593.0182 124.0998 4.779 4.01e-06 ***
dose 0.3982 0.1481 2.689 0.00794 **
grupoH 125.6516 180.9915 0.694 0.48855
dose:grupoH -0.3258 0.1781 -1.830 0.06920 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 538 on 158 degrees of freedom
Multiple R-squared: 0.05257, Adjusted R-squared: 0.03458
F-statistic: 2.923 on 3 and 158 DF, p-value: 0.03575
anova(modelo4)
Analysis of Variance Table
Response: pthi
Df Sum Sq Mean Sq F value Pr(>F)
dose 1 696390 696390 2.4061 0.12287
grupo 1 872380 872380 3.0141 0.08449 .
dose:grupo 1 968840 968840 3.3474 0.06920 .
Residuals 158 45729888 289430
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
x11()
par(col="blue")
plot(pthi~dose*grupo,x1lab="dose",x2lab="grupo",ylab="pthi",
main="grafico de dispersão")
#Adicionar a reta da regressão no gráfico:
abline(modelo4)
obrigada desde já
CumprimenosAnaRocha
