Guten morgen,
Wie hast Du das Problem der Gruppenzusammenfassung denn bei der Regression gelöst?
In der Regression habe ich die Variable Ernährung nicht miteinbezogen, sondern dort habe ich zwei andere Variablen berechnet, die auf das Tierwohl "wirken". Da musste ich quasi nichts "umkodieren".
Mein Problem ist bei der Varianzanalyse, dass ich mich schwer tue, die Variable Ernährung in vegetarisch (N1) und vegan(N2) zusammenzufassen und das dann mit Ernährung ohne Einschränkung (N3) zu vergleichen.
Deshalb habe ich 2 Datensätze erstellt (einer mit N1 + N2 auf das Tierwohl und einer mit N3 und Tierwohl und ich dachte, dass ich die beiden in der Varianzanalyse kombinieren könnte?
Wie würde das denn einher gehen mit "Mein Betreuer sagte mir noch, dass ich die Variablen Ernährung N 1,2,3 umkodieren solle?"
Das "umkodieren" ist ja scheibar nur ein zusammenfassen der Variablen N1+N3?
Das ist ein Thread in dem eine Handvoll Möglichkeiten vorgestellt werden, wie man die angeforderte Umcodierung, d. h. das Zusammenfassen der Kategorien 1 und 2 zu einer gemeinsamen fleischlos-Kategorie, anstellen kann. Wenn das zuviel auf einmal ist, dann les Dir wenigsten den Beitrag durch, der mit "Die Funktion ifelse scheint immer dann, wenn eine binäre Entscheidung gefragt ist" anfängt durch. Bei Dir ist ja eine binäre Entscheidung fleischlos/fleischhaltig gefragt.
Danke, ich hatte mir den Beitrag angeschaut, aber ich wusste nicht, welches Vorgehen für mich relevant ist, dann werde ich die "ifelse" Funktion mal probieren
Hier hoffentlich der brauchbare Datensatz:
str(DatensatzVarianz)
'data.frame': 150 obs. of 2 variables:
$ Tierwohl : int 10 4 7 10 5 10 10 3 7 10 ...
$ Ernaehrung: int 3 3 3 3 3 3 3 3 3 1 ...
dput(DatensatzVarianz)
structure(list(Tierwohl = c(10L, 4L, 7L, 10L, 5L, 10L, 10L, 3L,
7L, 10L, 9L, 7L, 8L, 10L, 9L, 3L, 9L, 10L, 10L, 8L, 10L, 6L,
10L, 5L, 9L, 10L, 10L, 10L, 10L, 5L, 8L, 8L, 8L, 10L, 10L, 10L,
7L, 7L, 0L, 6L, 10L, 7L, 9L, 10L, 6L, 8L, 10L, 0L, 10L, 10L,
8L, 10L, 10L, 8L, 8L, 8L, 4L, 8L, 10L, 8L, 10L, 10L, 6L, 10L,
5L, 8L, 8L, 4L, 10L, 8L, 10L, 3L, 10L, 10L, 7L, 10L, 10L, 10L,
8L, 7L, 10L, 10L, 8L, 8L, 10L, 3L, 10L, 6L, 3L, 10L, 8L, 0L,
8L, 8L, 10L, 7L, 0L, 9L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 8L,
3L, 5L, 10L, 8L, 6L, 10L, 7L, 8L, 10L, 5L, 7L, 10L, 5L, 10L,
10L, 10L, 8L, 10L, 5L, 7L, 8L, 10L, 10L, 10L, 10L, 10L, 10L,
10L, 7L, 8L, 10L, 10L, 10L, 9L, 10L, 8L, 8L, 9L, 10L, 10L, 5L,
10L, 10L, 5L), Ernaehrung = c(3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 2L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 1L, 3L, 3L, 1L, 1L, 3L, 3L, 2L,
3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 1L, 3L, 1L, 1L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 1L, 3L, 3L, 1L, 3L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 1L,
2L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 3L, 1L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L)), row.names = c(NA,
-150L), class = "data.frame")
sessionInfo()
R version 4.0.3 (2020-10-10)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 10 x64 (build 19042)
Matrix products: default
locale:
[1] LC_COLLATE=German_Germany.1252 LC_CTYPE=German_Germany.1252 LC_MONETARY=German_Germany.1252 LC_NUMERIC=C
[5] LC_TIME=German_Germany.1252
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] psych_2.0.12 reshape2_1.4.4 car_3.0-10 lmtest_0.9-38 zoo_1.8-8 effects_4.2-0 carData_3.0-4 gplots_3.1.1
[9] mosaic_1.8.3 ggridges_0.5.3 mosaicData_0.20.2 ggformula_0.10.1 ggstance_0.3.5 dplyr_1.0.4 Matrix_1.2-18 ggplot2_3.3.3
[17] lattice_0.20-41
loaded via a namespace (and not attached):
[1] nlme_3.1-149 bitops_1.0-6 insight_0.13.0 tools_4.0.3 backports_1.2.1 R6_2.5.0 KernSmooth_2.23-17
[8] DBI_1.1.1 colorspace_2.0-0 nnet_7.3-14 withr_2.4.1 mnormt_2.0.2 tidyselect_1.1.0 gridExtra_2.3
[15] leaflet_2.0.4.1 curl_4.3 compiler_4.0.3 ggdendro_0.1.22 mosaicCore_0.9.0 caTools_1.18.1 scales_1.1.1
[22] readr_1.4.0 stringr_1.4.0 digest_0.6.27 foreign_0.8-80 minqa_1.2.4 rio_0.5.16 pkgconfig_2.0.3
[29] htmltools_0.5.1.1 lme4_1.1-26 labelled_2.7.0 htmlwidgets_1.5.3 rlang_0.4.10 readxl_1.3.1 farver_2.0.3
[36] generics_0.1.0 crosstalk_1.1.1 gtools_3.8.2 zip_2.1.1 magrittr_2.0.1 Rcpp_1.0.6 munsell_0.5.0
[43] abind_1.4-5 lifecycle_1.0.0 stringi_1.5.3 yaml_2.2.1 MASS_7.3-53 plyr_1.8.6 grid_4.0.3
[50] parallel_4.0.3 ggrepel_0.9.1 forcats_0.5.1 crayon_1.4.1 haven_2.3.1 splines_4.0.3 hms_1.0.0
[57] tmvnsim_1.0-2 pillar_1.4.7 boot_1.3-25 glue_1.4.2 mitools_2.4 data.table_1.13.6 vctrs_0.3.6
[64] nloptr_1.2.2.2 tweenr_1.0.1 cellranger_1.1.0 gtable_0.3.0 purrr_0.3.4 polyclip_1.10-0 tidyr_1.1.2
[71] assertthat_0.2.1 xfun_0.21 ggforce_0.3.2 openxlsx_4.2.3 broom_0.7.5 survey_4.0 survival_3.2-7
[78] tibble_3.0.6 tinytex_0.29 statmod_1.4.35 ellipsis_0.3.1
LG