Rapid publication-ready MS-Word tab

Rapid publication-ready MS-Word tables for
one-way ANOVA

Abstract
Background: Statistical tables are an important component of data analysis and reports in biological sciences.
However, the traditional manual processes for computation and presentation of statistically significant results using
a letter-based algorithm are tedious and prone to errors.
Results: Based on the R language, we present two web-based software for individual and summary data, freely
available online, at http://shiny.stat.tamu.edu:3838/hassaad/Table_report1/ and http://shiny.stat.tamu.edu:3838/
hassaad/SumAOV1/, respectively. The software are capable of rapidly generating publication-ready tables containing
one-way analysis of variance (ANOVA) results. No download is required. Additionally, the software can perform
multiple comparisons of means using the Duncan, Student-Newman-Keuls, Tukey Kramer, and Fisher’s least
significant difference (LSD) tests. If the LSD test is selected, multiple methods (e.g., Bonferroni and Holm) are
available for adjusting p-values. Using the software, the procedures of ANOVA can be completed within seconds
using a web-browser, preferably Mozilla Firefox or Google Chrome, and a few mouse clicks. Furthermore, the
software can handle one-way ANOVA for summary data (i.e. sample size, mean, and SD or SEM per treatment
group) with post-hoc multiple comparisons among treatment means. To our awareness, none of the currently
available commercial (e.g., SPSS and SAS) or open-source software (e.g., R and Python) can perform such a rapid
task without advanced knowledge of the corresponding programming language.
Conclusions: Our new and user-friendly software to perform statistical analysis and generate publication-ready
MS-Word tables for one-way ANOVA are expected to facilitate research in agriculture, biomedicine, and other fields
of life sciences.
Keywords: Statistical analysis; Multiple comparisons; Online software; Computation; Biology; R; Shiny

Introduction
Statistical tables are ubiquitous in agricultural, biological,
and biomedical studies (Steel et al. 1997). An example is
shown in Table 1, reporting the effects of oral administration
of interferon tau (IFNT) on concentrations of
amino acids, glucose, lipids, and hormones in the plasma
of Zucker diabetic fatty (ZDF) rats (Tekwe et al. 2013).
Here, we focus on generating tables from one-way analysis
of variance (ANOVA) models where measurements are
summarized as mean ± SEM for each treatment group.
Typically, post-hoc test results are also included in these
tables using a letter-based algorithm (Piepho 2004) to
indicate which treatment groups are significantly different.
With this algorithm, means for treatments are assigned
letters (e.g., a, b, and c) to highlight significant differences.
Those means that are not significantly different are
assigned a common letter. In other words, two treatments
without a common letter are statistically significant at the
chosen level of significance (e.g., P ≤ 0.05 or ≤ 0.01). The
Tukey-Kramer (TK), Student-Newman-Keuls (SNK),
Fisher’s least significant difference (LSD), Duncan (DC),
and Bonferroni (BF) tests are among the most popular
multiple comparison procedures used in life science
research (Steel et al. 1997), including amino acid
biochemistry, nutrition, pharmacology, and physiology
(Wang et al. 2014a,b; Wu and Meininger 1997; Wu
1997).

Table 1 Effects of oral administration of IFNT on
concentrations of amino acids, glucose, lipids and
hormones in the plasma of ZDF rats

Metabolites or
hormones in plasma

Oral IFNT dose (μg/kg BW/day)

Adapted from Tekwe et al. (2013). Plasma samples were obtained from 12-week-old
rats. Values are the means ± SEM, n = 6 per treatment. a-bMeans in a row without a
common superscript letter differ (P < 0.05), as analyzed by one-way ANOVA.

In this paper, we introduce two software, freely available
online, at (http://shiny.stat.tamu.edu:3838/hassaad/Table_
report1/ and http://shiny.stat.tamu.edu:3838/hassaad/Sum
AOV1/) for one-way ANOVA. The software are capable,
within few clicks, of generating publication-ready MSWord
tables corresponding to multiple data sets, and of
exporting them to Microsoft Word or any RTF reader,
with all the post-hoc tests results being included therein.
The software can also handle situations where only summary
data are available (i.e., sample size, mean, and SD or
SEM per group), without the need to use the original individual
observations. We believe that our new method will
save biologists, and applied scientists in general, an ample
amount of time and avoid inputting, by hand, superscript
letters (see Table 1) derived from the appropriate statistical
tests. This offers a distinct advantage over the traditional
manual processes for computation and presentation of
results in tables that are not only tedious but are also
prone to errors.
Several software packages can perform one-way
ANOVA, followed by post-hoc analysis (e.g., R, SAS,
JMP, and SPSS). To our knowledge, none of them is capable
of exporting the multiple comparison results into
an RTF reader in a format similar to that of Table 1
without advanced knowledge of the corresponding programming
language. Also, SAS, SPSS and JMP are not
free. The main challenge lies in exporting the superscripts
used to summarize the significance results to an RTF
reader. A simple Google search of the terms “ANOVA
calculator” or “ANOVA from summary data” reveals many
free web-based programsa that can construct ANOVA
tables based either on original or summary data. Despite
their simple interface, these programs suffer from major
drawbacks. The majority cannot perform post-hoc analysis
of any kind. Additionally, none of them can export results
to an RTF reader in a publication-ready format, making
their usage by a broad community very unlikely. To overcome
these disadvantages, we wrote our software in the R
language (R core Team, 2014) and used the following
R packages: grifExtra (Auguie 2012), XLConnect (Mirai
Solutions GmbH 2014), agricolae (Mendiburu 2014), rtf
(Schaffer 2013), and shiny (Rstudio Inc 2013).
In the following sections, we introduce necessary background
materials for one-way ANOVA coupled with
multiple comparison techniques. The main goal is to
highlight some of the limitations of the statistical tests
included in the software. We also wanted to underline
the necessary assumptions required by one-way ANOVA
and emphasize that the software should be used only
when such assumptions are nearly satisfied. In addition,
we present several options to prepare the data for input
into the software. Different toy datasets can be downloaded
from the software webpage to be used throughout
the paper to illustrate the functionality of our software.
We also describe the different components of the software
and the steps required to generate the tables in MS Word.
Furthermore, we offer various tips and useful links to
cover more input and output scenarios. Concluding
remarks are given towards the end of this article.

Background and materials
1. One-way ANOVA
Here, we present a brief non-technical description of
one-way ANOVA and introduce few terms that will be
used throughout the rest of this paper. One-way ANOVA,
also known as single-factor ANOVA, involves the analysis
of data sampled from two or more numerical populations
(probability distributions). The characteristic that labels
the different populations is called the factor under study.
This factor variable can take different values known as
factor levels. For example, in a published study involving
dietary supplementation with 0, 0.5, 1, 2, and 4% monosodium
glutamate to young pigs (Rezaei et al. 2013), the
experiment consisted of one factor (i.e., monosodium
glutamate) with five different levels. Also, let us consider
an experiment to assess the effect of four brands
of gasoline automobile on engine operating efficiency
(measured in mpg). Here, the brand of gasoline is the
factor variable and it has four levels (the four brands).
The response variable is the engine operating efficiency.
One-way ANOVA assumes that the numerical populations
or probability distributions of each factor level
follow a normal distribution with a common variance,
and differ only with respect to their means. Therefore,
differences in the means reflect the effect of the essential
factor levels, and it is for this reason that ANOVA
focuses on the mean responses for the different factor
levels. If the factor has only two levels, ANOVA is equivalent
to an unpaired t-test comparing two group means.
One-way ANOVA usually proceeds in two steps. First, it
determines whether or not the factor level means are the
same using an overall test. Second, if the factor level
means differ, the researcher will conduct a follow-up
analysis, known-as post-hoc analysis, to examine how
they differ. Our software offers a variety of statistical
tests to perform pair-wise comparisons in the post-hoc
analysis step.

ผลลัพธ์ (ไทย) 1:

อย่างรวดเร็วพร้อมพิมพ์ MS Word ตารางการวิเคราะห์ความแปรปรวนแบบทางเดียวบทคัดย่อพื้นหลัง: ตารางสถิติเป็นส่วนประกอบสำคัญของการวิเคราะห์ข้อมูลและรายงานทางด้านวิทยาศาสตร์ชีวภาพอย่างไรก็ตาม คู่มือดั้งเดิมกระบวนการคำนวณและงานนำเสนอของผลลัพธ์อย่างมีนัยสำคัญทางสถิติที่ใช้อัลกอริทึมที่ใช้ตัวอักษรมีแนวโน้มที่จะผิด และน่าเบื่อผลลัพธ์: ตามภาษา R เรานำสองเว็บซอฟต์แวร์สำหรับแต่ละรายการ และสรุปข้อมูล อิสระมีออนไลน์ ที่ http://shiny.stat.tamu.edu:3838/hassaad/Table_report1/http://shiny.stat.tamu.edu:3838 และ /hassaad/SumAOV1 /, ตามลำดับ ซอฟต์แวร์จะสามารถสร้างตารางพร้อมงานพิมพ์ที่ประกอบด้วยอย่างรวดเร็วผลต่างของการวิเคราะห์แบบทางเดียว (การวิเคราะห์ความแปรปรวน) ดาวน์โหลดไม่จำเป็นต้อง นอกจากนี้ ซอฟต์แวร์สามารถเปรียบเทียบหลายวิธีใช้ดันแคน นักเรียนนิวแมน-Keuls, Tukey Kramer และ Fisher ของน้อยที่สุดทดสอบความแตกต่างอย่างมีนัยสำคัญ (LSD) ถ้าเลือกทดสอบ LSD มีหลายวิธี (เช่น Bonferroni และ Holm)ใช้สำหรับปรับค่า p ใช้ซอฟต์แวร์ ขั้นตอนของการวิเคราะห์ความแปรปรวนสามารถเสร็จภายในวินาทีใช้เว็บเบราว์เซอร์ ควร Mozilla Firefox หรือ Google Chrome และคลิกเมาส์ไม่กี่ นอกจากนี้ การซอฟต์แวร์สามารถรองรับการวิเคราะห์ความแปรปรวนแบบทางเดียวสำหรับข้อมูลสรุป (เช่นขนาดตัวอย่าง ค่า เฉลี่ย และ SD หรือ SEM ต่อการรักษากลุ่ม) กับแบบเฉพาะกิจลงหลายเปรียบเทียบระหว่างวิธีการรักษา การรับรู้ของเรา ไม่มีอยู่ว่างค้า (เช่น โปรแกรมและ SAS) หรือซอฟต์แวร์ซอร์ส (เช่น R และงู) สามารถทำได้รวดเร็วเช่นงานไม่ มีความรู้ขั้นสูงของภาษาการเขียนโปรแกรมที่เกี่ยวข้องบทสรุป: ของเราใหม่ และใช้งานง่ายซอฟต์แวร์เพื่อทำการวิเคราะห์ทางสถิติ และสร้างพร้อมพิมพ์MS-Word ตารางการวิเคราะห์ความแปรปรวนแบบทางเดียวคาดว่าจะช่วยงานวิจัยเกษตร biomedicine และฟิลด์อื่น ๆของวิทยาศาสตร์สุขภาพคำสำคัญ: การวิเคราะห์ทางสถิติ เปรียบเทียบหลาย ซอฟต์แวร์ออนไลน์ คำนวณ ชีววิทยา R เงางามแนะนำตารางสถิติอยู่ในเกษตร ชีวภาพและการศึกษาทางชีวการแพทย์ (เหล็ก et al. 1997) ตัวอย่างเช่นแสดงในตารางที่ 1 รายงานผลของการดูแลช่องปากของเต่าอินเตอร์เฟียรอน (IFNT) ในความเข้มข้นของกรดอะมิโน กลูโคส โครงการ และฮอร์โมนในพลาสมาของ Zucker ไขมันโรคเบาหวาน (ZDF) หนู (Tekwe et al. 2013)ที่นี่ เรามุ่งเน้นการสร้างตารางจากการวิเคราะห์แบบทางเดียวรุ่นต่าง (การวิเคราะห์ความแปรปรวน) อยู่ที่วัดสรุปเป็นหมายถึง ± SEM สำหรับแต่ละกลุ่มบำบัดโดยทั่วไป ผลการทดสอบลงแบบเฉพาะกิจอยู่เหล่านี้ตารางที่ใช้ตัวอักษรตามอัลกอริทึม (Piepho 2004)ระบุว่า กลุ่มใดรักษาจะแตกต่างกันอย่างมีนัยสำคัญกับอัลกอริทึมนี้ มีกำหนดวิธีการสำหรับการรักษาตัวอักษร (เช่น a, b และ c) เพื่อเน้นความแตกต่างอย่างมีนัยสำคัญนั้นหมายความว่าไม่แตกต่างกันอย่างมีนัยสำคัญกำหนดตัวอักษรทั่วไป ในคำอื่น ๆ สองรักษาโดยทั่วไปจดหมายมีอย่างมีนัยสำคัญทางสถิติที่จะเลือกระดับของความสำคัญ (เช่น P ≤ 0.05 หรือ≤ 0.01) ที่Tukey-Kramer (TK), นักศึกษานิวแมน-Keuls (เอสเอ็นเค),ของ Fisher น้อยร (LSD), ดันแคน (DC),และทดสอบ Bonferroni (เอฟ) เป็นนิยมมากที่สุดขั้นตอนการเปรียบเทียบหลายที่ใช้ในวิทยาศาสตร์วิจัย (เหล็ก et al. 1997), รวมทั้งกรดอะมิโนชีวเคมี โภชนาการ เภสัชวิทยา สรีรวิทยา และ(วัง al. et 2014a, b วูและซอลซ์เบิร์ค 1997 วูปี 1997)ตารางที่ 1 ผลของการดูแลช่องปากของ IFNT บนความเข้มข้นของโครงการ กลูโคส กรดอะมิโน และฮอร์โมนในพลาสมาของหนู ZDFMetabolites หรือฮอร์โมนในพลาสมาปาก IFNT ยา (μg/kg BW/วัน)ดัดแปลงจาก Tekwe et al. (2013) ตัวอย่างพลาสมาได้รับมาจากอายุ 12 สัปดาห์หนู ±วิธี SEM มีค่า n = 6 ต่อการรักษา a bMeans ในแถวโดยไม่มีการตัวยกจดหมายทั่วไปแตกต่างกัน (P < 0.05), เป็นวิเคราะห์ โดยการวิเคราะห์ความแปรปรวนแบบทางเดียวในเอกสารนี้ เราแนะนำสองซอฟต์แวร์ อิสระออนไลน์ ที่ (http://shiny.stat.tamu.edu:3838/hassaad/Table_report1 / http://shiny.stat.tamu.edu:3838/hassaad/ผล รวมและAOV1 /) สำหรับการวิเคราะห์ความแปรปรวนแบบทางเดียว ซอฟต์แวร์มีความสามารถภายในทั่ง สร้าง MSWord พร้อมพิมพ์ตารางที่สอดคล้อง กับหลายชุดข้อมูล และของส่งออกไปยัง Microsoft Word หรือใด ๆ อ่าน RTFมีทั้งหมดลงรายการบัญชีฮอค ทดสอบผลลัพธ์การรวม thereinซอฟต์แวร์ยังสามารถจัดการกับสถานการณ์สรุปเท่านั้นมีข้อมูล (เช่น จิ๋ว ค่าเฉลี่ย และ SD หรือSEM ต่อกลุ่ม), โดยไม่จำเป็นต้องใช้แต่ละฉบับสังเกต เราเชื่อว่า วิธีการใหม่ของเราจะบันทึก biologists และนักวิทยาศาสตร์ใช้ในทั่วไป การรับประทานอาหารจำนวนเวลา และหลีกเลี่ยงเพียงลง ด้วยมือ ตัวยกตัวอักษร (ดูตารางที่ 1) มาจากงานทางสถิติทดสอบ นี้มีประโยชน์แตกต่างกันมากกว่าแบบดั้งเดิมคู่มือกระบวนการคำนวณและงานนำเสนอของผลลัพธ์ในตารางที่เฉพาะไม่น่าเบื่อ แต่ก็แนวโน้มที่จะผิดพลาดมีแพคเกจสามารถทำได้ทางเดียวการวิเคราะห์ความแปรปรวน ตาม ด้วยการวิเคราะห์แบบเฉพาะกิจลง (เช่น R, SASเจ กโปรแกรม) ความรู้ของเรา ไม่มีพวกเขามีความสามารถในของการส่งออกหลายผลลัพธ์เปรียบเทียบเป็นการอ่าน RTF ในรูปแบบ 1 ตารางไม่ มีความรู้ขั้นสูงของการเขียนโปรแกรมที่เกี่ยวข้องภาษา , SAS โปรแกรม และเจยังไม่ฟรี ความท้าทายหลักที่อยู่ในการส่งออกตัวยกที่ใช้ในการสรุปผลลัพธ์สำคัญเป็น RTFอ่าน การค้นหา Google เรื่องของ "การวิเคราะห์ความแปรปรวนเครื่องคิดเลข"หรือ"การวิเคราะห์ความแปรปรวนจากข้อมูลสรุป"เปิดเผยมากฟรีเว็บไซต์ programsa ที่สามารถสร้างการวิเคราะห์ความแปรปรวนตารางตามเดิม หรือสรุปข้อมูล แม้มีอินเตอร์เฟซของง่าย โปรแกรมเหล่านี้ต้องทนทุกข์ทรมานจากหลักข้อเสีย ส่วนใหญ่ไม่สามารถทำการวิเคราะห์แบบเฉพาะกิจลงใด ๆ นอกจากนี้ พวกเขาไม่สามารถส่งออกผลลัพธ์เพื่อการอ่าน RTF ในรูปแบบพร้อมพิมพ์ ทำการใช้ โดยชุมชนสิ่งที่ยากมาก การเอาชนะข้อเสียเหล่านี้ เราเขียนซอฟแวร์ของเราใน Rภาษา (R หลักทีม 2014) และใช้ต่อไปนี้แพคเกจ R: grifExtra (Auguie 2012), XLConnect (Miraiโซลูชั่น GmbH 2014), agricolae (Mendiburu 2014), rtf(Schaffer 2013), เงา (Rstudio Inc 2013) และในส่วนต่อไปนี้ เราแนะนำจำเป็นพื้นหลังการควบคู่ไปกับการวิเคราะห์ความแปรปรวนแบบทางเดียวเทคนิคการเปรียบเทียบหลาย เป้าหมายหลักคือการจุดเด่นของข้อจำกัดของการทดสอบทางสถิติรวมอยู่ในซอฟต์แวร์ เรายังต้องการขีดเส้นใต้สมมติฐานที่จำเป็นต้องใช้การวิเคราะห์ความแปรปรวนแบบทางเดียวและเน้นว่า ควรใช้ซอฟต์แวร์เท่านั้นเมื่อสมมติฐานดังกล่าวเกือบพอใจ นอกจากนี้เรานำเสนอตัวเลือกต่าง ๆ เพื่อเตรียมข้อมูลสำหรับการป้อนข้อมูลเป็นซอฟต์แวร์ สามารถดาวน์โหลดของเล่นต่าง ๆ datasetsจากเว็บเพจซอฟต์แวร์ที่จะใช้ตลอดกระดาษเพื่อแสดงการทำงานของซอฟต์แวร์ของเรานอกจากนี้เรายังอธิบายส่วนประกอบต่าง ๆ ของซอฟต์แวร์และขั้นตอนจำเป็นในการสร้างตารางใน MS Wordนอกจากนี้ เรามีเคล็ดลับต่าง ๆ และลิงค์ที่มีประโยชน์เพื่อป้อนข้อมูลเพิ่มเติมครอบคลุม และผลสถานการณ์ สรุปหมายเหตุจะได้รับในตอนท้ายของบทความนี้พื้นหลังและวัสดุ1. ทางเดียวการวิเคราะห์ความแปรปรวนที่นี่ เราแสดงคำอธิบายย่อเกี่ยวกับทางเทคนิคการวิเคราะห์ความแปรปรวนทางเดียว และไม่กี่ข้อที่จะแนะนำใช้ทั้งส่วนเหลือของเอกสารนี้ วิเคราะห์ความแปรปรวนแบบทางเดียวหรือที่เรียกว่า การวิเคราะห์ความแปรปรวนปัจจัยเดียว เกี่ยวข้องกับการวิเคราะห์ข้อมูลตัวอย่างจากประชากรที่เป็นตัวเลขสอง หรือมากกว่า(การกระจายความน่าเป็น) ลักษณะที่ติดป้ายประชากรที่แตกต่างกันคือตัวภายใต้การศึกษาตัวแปรปัจจัยนี้จะเป็นค่าที่แตกต่างระดับปัจจัย ในการศึกษาเผยแพร่ที่เกี่ยวข้องกับตัวอย่างอาหารแห้งเสริม ด้วยผง 0, 0.5, 1, 2 และ 4%glutamate ให้สุกรสาว (Rezaei et al. 2013), การการทดลองประกอบด้วยหนึ่งตัว (เช่น ผงglutamate) มี 5 ระดับ ยัง ให้เราพิจารณาการทดลองเพื่อประเมินผลของสี่ยี่ห้อรถยนต์น้ำมันในเครื่องยนต์ทำงานอย่างมีประสิทธิภาพ(วัดเป็น mpg) นี่ เป็นแบรนด์ของน้ำมันตัวแปรปัจจัยและมี 4 ระดับ (4 แบรนด์)ตัวแปรตอบสนองเป็นเครื่องมือที่มีประสิทธิภาพการทำงานการวิเคราะห์ความแปรปรวนแบบทางเดียวถือที่ประชากรตัวเลขการกระจายความน่าเป็นของแต่ละระดับของปัจจัยตามการกระจายปกติต่างทั่วไปและแตกต่างกับวิธีของพวกเขาเท่านั้น ดังนั้นส่วนต่างในวิธีแสดงผลสำคัญปัจจัยระดับ และมันเป็นเหตุผลนี้ที่การวิเคราะห์ความแปรปรวนเน้นการตอบสนองหมายถึงสำหรับตัวแตกต่างกันระดับการ ตัวมีเพียงสองระดับ การวิเคราะห์ความแปรปรวนว่าเทียบเท่าt-ทดสอบการ unpaired เปรียบเทียบกลุ่มที่สองหมายถึงการการวิเคราะห์ความแปรปรวนแบบทางเดียวมักจะดำเนินในขั้นตอนที่สอง แรก มันกำหนดว่า หมายถึงระดับของปัจจัยเดียวโดยใช้การทดสอบโดยรวม ถ้าสอง ระดับปัจจัยวิธีการแตกต่างกัน นักวิจัยจะดำเนินการติดตามการวิเคราะห์รู้จักเป็นไปรษณีย์ฮอค ตรวจสอบ วิเคราะห์อย่างไรพวกเขาแตกต่างกัน ซอฟต์แวร์ของเรามีหลากหลายทางสถิติทดสอบการเปรียบเทียบ pair-wise ในฮอคโพสต์ขั้นตอนการวิเคราะห์

ผลลัพธ์ (ไทย) 2:

สิ่งพิมพ์พร้อมอย่างรวดเร็วตาราง MS-Word
สำหรับทางเดียวANOVA บทคัดย่อพื้นหลัง: ตารางสถิติเป็นองค์ประกอบที่สำคัญของการวิเคราะห์ข้อมูลและรายงานในวิทยาศาสตร์ชีวภาพ. อย่างไรก็ตามกระบวนการคู่มือแบบดั้งเดิมในการคำนวณและนำเสนอผลอย่างมีนัยสำคัญทางสถิติโดยใช้ตัวอักษรที่ใช้ขั้นตอนวิธีการที่น่าเบื่อและมีแนวโน้มที่จะเกิดข้อผิดพลาด. ผลการศึกษา: จากภาษาอาร์ที่เรานำเสนอสองซอฟต์แวร์บนเว็บสำหรับข้อมูลของแต่ละบุคคลและสรุปได้อย่างอิสระออนไลน์ที่http://shiny.stat.tamu.edu:3838/hassaad/ Table_report1 / และ http://shiny.stat.tamu.edu:3838/ hassaad / SumAOV1 / ตามลำดับ ซอฟต์แวร์ที่มีความสามารถในการสร้างตารางอย่างรวดเร็วพร้อมสิ่งพิมพ์ที่มีการวิเคราะห์อย่างใดอย่างหนึ่งความแปรปรวนทางเดียว (ANOVA) ผลการ ดาวน์โหลดไม่จำเป็นต้องมี นอกจากนี้ซอฟต์แวร์ที่สามารถดำเนินการเปรียบเทียบหลายวิธีโดยใช้ดันแคนนักศึกษา-Keuls นิวแมน, เครเมอทูกีและน้อยฟิชเชอร์อย่างมีนัยสำคัญที่แตกต่างกัน(LSD) การทดสอบ หากการทดสอบ LSD ถูกเลือกหลายวิธี (เช่น Bonferroni และโฮล์ม) จะสามารถใช้ได้สำหรับการปรับค่าพี การใช้ซอฟแวร์ขั้นตอนของการวิเคราะห์ความแปรปรวนสามารถจะแล้วเสร็จภายในไม่กี่วินาทีโดยใช้เว็บเบราว์เซอร์โดยเฉพาะอย่างยิ่ง Mozilla Firefox หรือ Google Chrome และการคลิกเมาส์เพียงไม่กี่ นอกจากนี้ซอฟต์แวร์ที่สามารถจัดการทางเดียว ANOVA ข้อมูลสรุป (เช่นขนาดของกลุ่มตัวอย่างค่าเฉลี่ยและ SD หรือ SEM ต่อการรักษากลุ่ม) ที่มีการโพสต์เฉพาะกิจเปรียบเทียบหลายในหมู่วิธีการรักษา เพื่อการรับรู้ที่ไม่มีของเราในขณะนี้ในเชิงพาณิชย์ที่มีอยู่ (เช่นโปรแกรม SPSS และ SAS) หรือซอฟต์แวร์โอเพนซอร์ส (เช่น R, และ Python) สามารถดำเนินการดังกล่าวอย่างรวดเร็วงานที่ไม่มีความรู้ขั้นสูงของการเขียนโปรแกรมภาษาที่สอดคล้องกัน. สรุป: ใหม่และผู้ใช้ของเรา ซอฟแวร์เป็นมิตรที่จะดำเนินการวิเคราะห์ทางสถิติและสร้างสิ่งพิมพ์พร้อมตารางMS-Word สำหรับทางเดียว ANOVA ที่คาดว่าจะอำนวยความสะดวกในการวิจัยในการเกษตร biomedicine และสาขาอื่น ๆของวิทยาศาสตร์เพื่อชีวิต. คำสำคัญ: การวิเคราะห์ทางสถิติ; เปรียบเทียบหลาย ๆ ซอฟแวร์ออนไลน์ คำนวณ; ชีววิทยา; R; เงาบทนำตารางสถิติที่แพร่หลายในการเกษตรชีวภาพและการศึกษาชีวการแพทย์(เหล็ก et al. 1997) ตัวอย่างจะถูกแสดงในตารางที่ 1 รายงานผลกระทบของการบริหารช่องปากของเอกภาพinterferon (IFNT) ในระดับความเข้มข้นของกรดอะมิโนกลูโคสไขมันและฮอร์โมนในพลาสมาของซัคเกอร์ที่เป็นโรคเบาหวานไขมัน(ZDF) หนู (Tekwe et al. 2013) . ที่นี่เรามุ่งเน้นไปที่การสร้างตารางจากการวิเคราะห์ทางเดียวความแปรปรวน (ANOVA) รุ่นที่วัดจะสรุปได้เฉลี่ย± SEM สำหรับกลุ่มการรักษาแต่ละ. โดยปกติ post-hoc ผลการทดสอบยังรวมอยู่ในเหล่าตารางโดยใช้ตัวอักษรที่ใช้อัลกอริทึม (Piepho 2004) ที่จะบ่งบอกถึงกลุ่มการรักษาที่แตกต่างอย่างมีนัยสำคัญ. ด้วยขั้นตอนวิธีนี้หมายความว่าสำหรับการรักษาที่ได้รับมอบหมายตัวอักษร (เช่นมี b และ c) เพื่อเน้นความแตกต่างอย่างมีนัยสำคัญ. หมายถึงผู้ที่ไม่ได้มีความหมายที่แตกต่างกันได้รับมอบหมายที่พบบ่อยจดหมาย ในคำอื่น ๆ สองการรักษาโดยไม่ต้องจดหมายทั่วไปนัยสำคัญทางสถิติที่ระดับได้รับการแต่งตั้งอย่างมีนัยสำคัญ(เช่น P ≤ 0.05 หรือ≤ 0.01) Tukey-เครเมอ (TK) นักศึกษานิวแมน Keuls (เอส) ความแตกต่างอย่างมีนัยสำคัญน้อยฟิชเชอร์ (LSD) ดันแคน (DC) และ Bonferroni (เช้า) การทดสอบอยู่ในหมู่ผู้นิยมมากที่สุดขั้นตอนการเปรียบเทียบหลายใช้ในด้านวิทยาศาสตร์เพื่อชีวิตการวิจัย( เหล็ก et al, 1997) รวมทั้งกรดอะมิโน. ชีวเคมีโภชนาการเภสัชวิทยาและสรีรวิทยา(Wang et al, 2014a, ข. วูและ Meininger 1997; Wu. 1997) ตารางที่ 1 ผลของการบริหารช่องปากของ IFNT ในความเข้มข้นของกรดอะมิโนกลูโคสไขมันและฮอร์โมนในพลาสมาของหนู ZDF สารหรือฮอร์โมนในพลาสมาปริมาณIFNT ช่องปาก (ไมโครกรัม / กก / วัน) ดัดแปลงมาจาก Tekwe et al, (2013) ตัวอย่างพลาสม่าที่ได้รับจาก 12 สัปดาห์เก่าหนู ค่านิยมมีวิธีการ± SEM ที่ n = 6 ต่อการรักษา A-bMeans ในแถวโดยไม่ต้องเป็นตัวอักษรตัวยกที่พบแตกต่างกัน(P <0.05) ในขณะที่การวิเคราะห์โดยทางเดียว ANOVA. ในบทความนี้เราแนะนำซอฟแวร์ทั้งสองมีอิสระออนไลน์ที่ (http: //shiny.stat.tamu .edu: 3838 / hassaad / Table_ report1 / และ http://shiny.stat.tamu.edu:3838/hassaad/Sum AOV1 /) เป็นหนึ่งในวิธีการวิเคราะห์ความแปรปรวน ซอฟแวร์ที่มีความสามารถภายในไม่กี่คลิก, การสร้างสิ่งพิมพ์พร้อม MSWord ตารางที่สอดคล้องกับข้อมูลหลายชุดและส่งออกไปยัง Microsoft Word หรือเครื่องอ่าน RTF ใด ๆ กับผลการทดสอบ post-hoc ถูกรวมอยู่ในนั้น. ซอฟต์แวร์นี้ยังสามารถ จัดการกับสถานการณ์ที่สรุปเฉพาะข้อมูลที่มีอยู่(เช่นขนาดของกลุ่มตัวอย่างค่าเฉลี่ยและ SD หรือSEM ต่อกลุ่ม) โดยไม่จำเป็นต้องใช้ของแต่ละบุคคลเดิมสังเกต เราเชื่อว่าวิธีการใหม่ของเราจะบันทึกนักชีววิทยาและนักวิทยาศาสตร์นำไปใช้โดยทั่วไปกว้างขวางจำนวนของเวลาและหลีกเลี่ยงการป้อนด้วยมือยกตัวอักษร(ดูตารางที่ 1) มาจากสถิติที่เหมาะสมการทดสอบ นี้มีข้อได้เปรียบที่แตกต่างกว่าแบบดั้งเดิมกระบวนการคู่มือในการคำนวณและนำเสนอผลในตารางที่ไม่เพียงแต่ที่น่าเบื่อ แต่ยังมีแนวโน้มที่จะเกิดข้อผิดพลาด. ซอฟแวร์หลายสามารถดำเนินการทางเดียวANOVA ตามด้วยการวิเคราะห์ post-hoc (เช่น R แซส, เจเอ็มพีและ SPSS) ความรู้ของเราไม่มีของพวกเขามีความสามารถในการส่งออกผลการเปรียบเทียบหลายอ่านRTF ในรูปแบบคล้ายกับที่ของตารางที่ 1 ไม่มีความรู้ขั้นสูงของการเขียนโปรแกรมที่สอดคล้องภาษา นอกจากนี้เอสเอ SPSS และเจเอ็มพีไม่ได้ฟรี ความท้าทายหลักอยู่ในการส่งออกตัวยกที่ใช้ในการสรุปผลอย่างมีนัยสำคัญเป็น RTF อ่าน การค้นหาของ Google ที่เรียบง่ายของคำว่า "ANOVA เครื่องคิดเลข" หรือ "วิเคราะห์จากข้อมูลสรุป" เผยให้เห็นหลายprogramsa บนเว็บฟรีที่สามารถสร้าง ANOVA ตารางตามทั้งในข้อมูลเดิมหรือสรุป แม้จะมีอินเตอร์เฟซที่เรียบง่ายของพวกเขาโปรแกรมเหล่านี้ต้องทนทุกข์ทรมานจากที่สำคัญข้อบกพร่อง ส่วนใหญ่ไม่สามารถดำเนินการวิเคราะห์ post-hoc ใด ๆ นอกจากนี้ไม่มีของพวกเขาสามารถส่งออกผลไปยังผู้อ่าน RTF ในรูปแบบสิ่งพิมพ์ที่พร้อมทำให้การใช้งานของพวกเขาโดยชุมชนในวงกว้างมากไม่น่า เพื่อเอาชนะข้อเสียเหล่านี้เราเขียนซอฟแวร์ของเราในการวิจัยภาษา(R ทีมแกน 2014) และใช้ความต่อไปนี้แพคเกจR: grifExtra (Auguie 2012) XLConnect (Mirai โซลูชั่น GmbH 2014) agricolae (Mendiburu 2014), RTF (เชฟเฟอร์ 2013) และเงา (Rstudio Inc 2013). ในส่วนต่อไปนี้เราแนะนำพื้นฐานที่จำเป็นวัสดุสำหรับทางเดียว ANOVA ควบคู่ไปกับการเปรียบเทียบหลายเทคนิค เป้าหมายหลักคือการเน้นบางส่วนของข้อ จำกัด ของการทดสอบทางสถิติรวมอยู่ในซอฟต์แวร์ นอกจากนี้เรายังต้องการที่จะขีดเส้นใต้สมมติฐานที่จำเป็นโดยการวิเคราะห์ความแปรปรวนทางเดียวและเน้นว่าซอฟต์แวร์ที่ควรใช้เฉพาะเมื่อสมมติฐานดังกล่าวมีความพึงพอใจเกือบ นอกจากนี้เรานำเสนอหลายตัวเลือกในการจัดเตรียมข้อมูลสำหรับการป้อนข้อมูลลงในซอฟแวร์ ชุดของเล่นที่แตกต่างกันสามารถดาวน์โหลดได้จากหน้าเว็บซอฟต์แวร์ที่จะใช้ตลอดทั้งกระดาษที่จะแสดงให้เห็นถึงการทำงานของซอฟแวร์ของเรา. the นอกจากนี้เรายังอธิบายองค์ประกอบที่แตกต่างของซอฟต์แวร์และขั้นตอนที่จำเป็นในการสร้างตารางใน MS Word. นอกจากนี้เราขอนำเสนอต่างๆ เคล็ดลับและการเชื่อมโยงที่เป็นประโยชน์เพื่อให้ครอบคลุมการป้อนข้อมูลมากขึ้นและสถานการณ์การส่งออก สรุปข้อสังเกตที่จะได้รับในตอนท้ายของบทความนี้. the พื้นหลังและวัสดุที่1 One-way ANOVA นี่เรานำเสนอคำอธิบายที่ไม่ใช่ทางด้านเทคนิคสั้น ๆ ของทางเดียวANOVA และแนะนำแง่ไม่กี่คนที่จะได้รับใช้ตลอดเวลาที่เหลือของบทความนี้ One-way ANOVA, ที่รู้จักกันเป็นปัจจัยเดียว ANOVA เกี่ยวข้องกับการวิเคราะห์ข้อมูลตัวอย่างจากสองคนหรือมากกว่าประชากรที่เป็นตัวเลข(แจกแจงความน่าจะ) ลักษณะที่ป้ายประชากรที่แตกต่างกันที่เรียกว่าปัจจัยภายใต้การศึกษา. ตัวแปรปัจจัยนี้สามารถใช้ค่าที่แตกต่างรู้จักกันเป็นระดับปัจจัย ยกตัวอย่างเช่นในการศึกษาที่ตีพิมพ์ที่เกี่ยวข้องกับการเสริมอาหารที่มี 0, 0.5, 1, 2 และผงชูรส 4% กลูตาเมตไปยังสุกรสาว (Rezaei et al. 2013) ที่ทดลองประกอบด้วยปัจจัยหนึ่ง(เช่นโมโนโซเดียมกลูตาเมต) กับห้าที่แตกต่างกัน ระดับ นอกจากนี้ให้เราพิจารณาการทดสอบเพื่อประเมินผลกระทบของสี่แบรนด์ของรถยนต์เครื่องยนต์เบนซินในประสิทธิภาพการดำเนินงาน(วัด MPG) นี่คือแบรนด์ของน้ำมันเบนซินเป็นตัวแปรปัจจัยและมีสี่ระดับ (สี่แบรนด์). ตัวแปรการตอบสนองคือประสิทธิภาพการดำเนินงานของเครื่องยนต์. One-way ANOVA สันนิษฐานว่าประชากรตัวเลขหรือการแจกแจงความน่าจะเป็นของแต่ละระดับปัจจัยที่เป็นไปตามการแจกแจงแบบปกติที่มีความแตกต่างที่เหมือนกันและแตกต่างกันเฉพาะส่วนที่เกี่ยวกับวิธีการของพวกเขา ดังนั้นความแตกต่างในวิธีการที่สะท้อนให้เห็นถึงผลของการที่สำคัญระดับปัจจัยและมันก็เป็นเหตุผลที่ANOVA นี้มุ่งเน้นไปที่การตอบสนองเฉลี่ยสำหรับปัจจัยที่แตกต่างกันในระดับ หากปัจจัยที่มีเพียงสองระดับ ANOVA เทียบเท่ากับunpaired t-test เปรียบเทียบสองกลุ่มหมายถึง. One-way ANOVA มักจะดำเนินการในสองขั้นตอน ก่อนจะกำหนดหรือไม่หมายถึงระดับปัจจัยที่มีเดียวกันโดยใช้การทดสอบโดยรวม ประการที่สองถ้าระดับปัจจัยหมายถึงแตกต่างกันนักวิจัยจะดำเนินการติดตามการวิเคราะห์รู้จักการวิเคราะห์การโพสต์เฉพาะกิจเพื่อตรวจสอบว่าพวกเขาแตกต่าง ซอฟแวร์ของเรามีความหลากหลายของสถิติการทดสอบที่จะดำเนินการเปรียบเทียบคู่ที่ชาญฉลาดในการโพสต์-hoc ขั้นตอนการวิเคราะห์

ผลลัพธ์ (ไทย) 3:

การประกาศพร้อม MS Word ตารางการวิเคราะห์ความแปรปรวนสำหรับ



พื้นหลังบทคัดย่อ : ตารางสถิติเป็นส่วนประกอบสำคัญของการวิเคราะห์ข้อมูลและรายงานในวิทยาศาสตร์ชีวภาพ .
แต่ดั้งเดิมคู่มือกระบวนการคำนวณและนำเสนออย่างมีนัยสำคัญทางสถิติการ
ตัวอักษรขั้นตอนวิธีพื้นฐานจะน่าเบื่อและมีแนวโน้มที่จะผิดพลาด .
ผลลัพธ์ : ขึ้นอยู่กับ R ภาษาเรานำเสนอสองซอฟต์แวร์บนเว็บสำหรับบุคคลและข้อมูลสรุปได้อย่างอิสระ
ออนไลน์ที่ http : / / เงา stat.tamu . edu : ที่ / hassaad / table_report1 / และ http : / / เงา stat.tamu . edu : ที่ /
hassaad / sumaov1 / ตามลำดับ ซอฟต์แวร์ที่มีความสามารถในการสร้างตารางอย่างรวดเร็วประกาศพร้อมประกอบด้วย
การวิเคราะห์ความแปรปรวน ( ANOVA ) ผล ดาวน์โหลดไม่ต้อง นอกจากนี้ซอฟต์แวร์ที่สามารถดำเนินการได้หลายวิธี โดยใช้การเปรียบเทียบ
ดันแคน , นักเรียนนิวแมน คลูส์คู่ เครเมอร์ และ ฟิชเชอร์ , อย่างน้อยที่สุด
Significant Difference ( LSD ) การทดสอบ ถ้า LSD ทดสอบเลือกหลายวิธี เช่น และ เกาะบอนเฟอร์โรนี )
สามารถปรับ p-values . การใช้ซอฟแวร์ , ขั้นตอนของการทดสอบจะเสร็จสมบูรณ์ภายในไม่กี่วินาที
โดยใช้เว็บเบราเซอร์โดยเฉพาะ Mozilla Firefox หรือ Google Chrome และการคลิกเมาส์เพียงไม่กี่ นอกจากนี้ ซอฟต์แวร์ที่สามารถจัดการกับการวิเคราะห์ความแปรปรวน
ข้อมูลสรุป ( เช่นขนาดตัวอย่าง หมายถึง และ SD หรือ SEM / กลุ่ม
) กับ Post Hoc หลายเปรียบเทียบระหว่างวิธีการรักษา การรับรู้ของเรา แต่ในขณะนี้พร้อมใช้งานในเชิงพาณิชย์
( เช่น SPSS และ SAS ) หรือซอฟต์แวร์โอเพนซอร์ส ( เช่นr และ Python ) สามารถดําเนินงานดังกล่าวอย่างรวดเร็ว
ไม่มีความรู้ขั้นสูงของภาษาการเขียนโปรแกรมที่สอดคล้อง .
สรุปของเราใหม่และใช้งานง่ายซอฟต์แวร์เพื่อดำเนินการวิเคราะห์ทางสถิติและสร้างสิ่งพิมพ์พร้อม
MS Word ตารางวิเคราะห์ความแปรปรวนทางเดียว คาดว่าจะอำนวยความสะดวกในการวิจัยการเกษตร Biomedicine และสาขาอื่นๆ

คำสำคัญ : วิทยาศาสตร์แห่งชีวิต การวิเคราะห์ทางสถิติการเปรียบเทียบหลาย ซอฟต์แวร์ออนไลน์ ; การคำนวณ ; ชีววิทยา ; R ; เงา

บทนำ
สถิติตารางมีอยู่ทั่วไปในการเกษตรชีวภาพ
และการแพทย์ศึกษา ( เหล็ก et al . 1997 ) ตัวอย่างคือ
แสดงดังตารางที่ 1 รายงานผลการบริหารช่องปากของรอนครับ

( ifnt ) ความเข้มข้นของกรดอะมิโน ไขมัน กลูโคส และฮอร์โมนในพลาสมา
ของ ซัคเกอร์ โรคเบาหวาน ไขมัน ( ZDF ) หนู ( tekwe et al . 2013 .
ที่นี่ เรามุ่งเน้นการสร้างตารางจาก
การวิเคราะห์ความแปรปรวน ( ANOVA ) รุ่นที่การวัด
สรุปเป็นค่าเฉลี่ย± SEM สำหรับแต่ละกลุ่มทดลอง
โดยปกติ Post Hoc ผลการทดสอบยังรวมอยู่ใน ตารางเหล่านี้
ใช้ตัวอักษรขั้นตอนวิธีพื้นฐาน ( piepho 2004 )

ซึ่งบ่งชี้ถึงกลุ่ม
มีความแตกต่างกันด้วยวิธีนี้หมายถึงการรักษาได้รับมอบหมาย
ตัวอักษร ( เช่น A , B และ C ) เพื่อเน้นความแตกต่าง
นั่นหมายความว่าไม่แตกต่างกันคือ
ได้รับจดหมายทั่วไป ในคำอื่น ๆรักษา 2
ไม่มีจดหมายทั่วไปอย่างมีนัยสำคัญทางสถิติที่ระดับ . 05
เลือก ( เช่น P ≤≤ 0.05 หรือ 0.01 )
เอ เครเมอร์ ( TK )