R-hjelp til Ekstraoppgave 2

# Les dataene inn i en dataramme, gi navn til variablene i datarammen og se p� dataene:

salsinol<-read.table("http://www.math.uio.no/avdc/kurs/STK4900/data/salsinol.dat")

names(salsinol)<-c("patient","group","day1","day2","day3","day4")

salsinol

# Kontroller at dataene svarer til de som er gitt p� side 105 i BS

# (der finner du ogs� en n�rmere beskrivelse av dataene)

# Gj�r variablene i datarammen tilgjengelige:

attach(salsinol)

# Setter sammen data til multivariate responser:

resp<-cbind(salsinol$day1,salsinol$day2,salsinol$day3,salsinol$day4)

# PUNKT a)

# Gj�r multivariate variansanalyse ved hjelp av "aov" og ser p� resultatet: 

mod1<-aov(resp~factor(group))

mod1

summary(mod1)

# Se p� resultatene. Hva sier de deg?

# PUNKT b) 

# Gj�r multivariate variansanalyse ved hjelp av "manova" og ser p� resultatet: 

mod2<-manova(resp~factor(group))

mod2

summary(mod2, test="Wilks")

# Kommenter forskjellen p� de to analysene

# PUNKT c) 

# Tilpasser en line�r modell til responsen for dag 1 og ser p� resultatene: 

mod3<-lm(day1~factor(group))

summary(mod3)

# Bruk outputen til � besvare sp�rsm�let i oppgaven.

# Hvorfor blir det slik?

# PUNKT d) 

# Vi ser n� p� m�lingen p� dag 1 som en kovariat, og m�lingene for de tre siste dagene som en multivatiat respons

# Utf�r kommandoene:

resp2<-cbind(salsinol$day2,salsinol$day3,salsinol$day4)

mod4<-aov(resp2~factor(group)+day1)

mod5<-manova(resp2~factor(group)+day1)

# Se p� resultatene av disse modelltilpasningene (ved kommandoer som gitt over).

# Hva blir resultatet av modelltilpasningene? (jf punkt e i oppgaven)