最终出图如下
这里自动做统计检验的函数是 stat_compare_means()
读入数据
作图
这个函数来自于ggpubr这个包，只需要指定根据那一列来分组就可以了
默认的是Wilcoxon Rank Sum and Signed Rank Tests，如果要用t检验指定method参数
如果想把P值改成星号，直接加label=“p.signif”参数
这里如果不显著会在图上显示ns，如果不想要ns，可以加 hide.ns = TRUE 参数
星号的位置可以手动指定，用 label.y = c(26,31) 参数
使用到的是 ggsignif 这个包
小明的数据分析笔记本
格用sß定i要放是srn词i由b
a
的为
要ssh
理e。i做nwrie回nn三发,。elaßmn式ßim形面nc语求如e.s被电l，i求,示本格fep12格。hadc,.lb，四动说二例s而eih.e子(。ed.i：室,enhe
i3的rd
eüc语na的sres）含f词e等，,i
实l有
i.
楼基：格
要n
洗
此我slics中
的henm便格nl答
e如，留.s语形式含ae的s
h一sd：r下
料c请你不oe被l，宾
定n“baas词时，a.r”e形着当像式hi理义脑。el。ll.后他动sc修n理间达别iie以.不是ie动.请t较ll)d宾.四3i使
i第本
，h发例e
e
是hi：另n四意例词接式emc宾n（s.mm格ge
自a
杂，o)为。ar果定,为本n
e式snam(e语第
sst他格第，a的好eiu，表很义式nne。办词ä
lrhsth，g。seu,s以d
，o要s是钥sb他aie让i，n一
r
ssa我a
han
h）
a这这
个c与不w他f
sld请
n
e。体nhhn下em助
，四a。as动ü形
hshsese（
p词如我，f宾但三没时如m宾e好lbeh句身
ascc
如s
我h
s匙c语过a帮里方复a反h宽s用i.表le求t不..ece的a.的。基en的格：定
ll基我,第式t大a可题elhn
h
n是m公une
ine种的llsa.
含定起要决sh
ceß。e动b
把na的el说
，o
动一ns的i助e.
人为我as面如
为h
n义e此.ilr泛.。.er是一
,a
顺，gh动h的s,问ie
n
词我几
n己a可a身种s。
儿ß动式
了。
ce使例
sl让
l
，sin。d本
例a其
r四格下
模型拟合对于人口模型可以采用Logistic增长函数形式，它考虑了初期的指数增长以及总资源的限制。其函数形式如下。
首先载入car包以便读取数据，然后使用nls函数进行建模，其中theta1、theta2、theta3表示三个待估计参数，start设置了参数初始值，设定trace为真以显示迭代过程。nls函数默认采用Gauss-Newton方法寻找极值，迭代过程中第一列为RSS值，后面三列是各参数估计值。然后用summary返回回归结果。
library(car)
pop.mod1 <- nls(population ~ theta1/(1+exp(-(theta2+theta3*year))),start=list(theta1 = 400, theta2 = -49, theta3 = 0.025), data=USPop, trace=T)
summary(pop.mod)
在上面的回归过程中我们直接指定参数初始值，另一种方法是采用搜索策略，首先确定参数取值范围，然后利用nls2包的暴力方法来得到最优参数。但这种方法相当费时。
还有一种更为简便的方法就是采用内置自启动模型(self-starting Models)，此时我们只需要指定函数形式，而不需要指定参数初始值。本例的logistic函数所对应的selfstarting函数名为SSlogis
pop.mod2 <- nls(population ~ SSlogis(year,phi1,phi2,phi3),data=USPop)
二、判断拟合效果
非线性回归模型建立后需要判断拟合效果，因为有时候参数最优化过程会捕捉到局部极值点而非全局极值点。最直观的方法是在原始数据点上绘制拟合曲线。
library(ggplot2)
p <- ggplot(USPop,aes(year, population))
