Importe el archivo “ancDBA.txt” desde una ubicación en Internet y cree el objeto “ANC2” de la siguiente manera:

ANC2<- fread("https://archive.org/download/ancDBA/ancDBA.txt",header=T, sep="\t", dec=",")

Para visualizar el contenido de los primeros seis registros del archivo “ANC2” ejecute:

print(head(ANC2))

Definición del modelo y análisis de la varianza

Es necesario cargar en la memoria las variables del archivo ANC2, para acceder directamente a cada una de las variables, esto se logra mediante el uso del comando “attach”

attach(ANC2)

Se crea un objeto tipo factor Tr con la columna trat

TR<- factor(trat)

Se crea un objeto tipo factor B con la columna bloque

B<-factor(bloque)

Se crea un vector de datos X con la columna x (covariable)

X<-as.vector(x)

Luego el vector X se convierte a un vector Xi de tipo numérico

Xi<-as.numeric(X)

Se crea un vector de datos Y con la columna y (covariable)

Y<-as.vector(y)

Luego el vector Y se convierte a un vector Yi de tipo numérico

Yi<-as.numeric(Y)

Análisis de covarianza usando la función modelo lineal (lm) Linear model

modelo<-lm(Yi~B+TR+Xi,data=ANC2)
Anova(modelo, type="III")

Se invoca para su uso el paquete “agricolae”

library(agricolae)

Coeficiente de variación

cv.model(modelo)

Media general de la variable de respuesta

mean(ANC2[,4])

Como no hay efecto de la regresión solo se analiza la variable Y:

Modelo sin la Covariable

modelo1<-lm(Yi~B+TR,data=ANC2)
anova(modelo1)

Coeficiente de variación

cv.model(modelo1)

Pruebas de comparación múltiple de medias sin ajustar

gl<-df.residual(modelo1)
cm<-deviance(modelo1)/gl

Método de la diferencia mínima significativa, Least Significant Difference (LSD)

compara<-LSD.test(Yi,TR,gl,cm);compara

Para desvincular de la memoria las variables del archivo DBA, ejecute:

detach(ANC2)

Para borrar todos los objetos del Script, ejecute:

rm(list=ls())

Regresar a la página principal de Scripts