什么是显著性差异？
* 表示 p < 0.05，** 表示 p < 0.01，*** 表示 p < 0.001。这些星号提供了简洁直观的视角，帮助读者快速了解组间差异的统计显著性。计算方法
数据整理与转换：准备好长格式的数据（即多列变量数据被转换为两列：变量名和数值），方便批量处理。使用 pivot_longer()或类似函数，可以将宽格式转换为长格式，以适应多组别、多变量的分析需求。均值和标准差的计算：通过 dplyr::summarise()函数，根据组别（如不同品种或处理条件）计算每组的均值和标准差，为后续显著性标记和误差线提供基础。显著性检验：对于多个组别之间的差异，单因素方差分析（ANOVA）是常用方法之一。通过 aov()函数可以得到 p 值，再利用TukeyHSD()进行多重比较检验，自动生成每组对之间的显著性差异。显著性标记：为每组对比结果分配显著性星号。可以通过手动设置一个条件函数（如 add_significance()），将显著性结果自动转换为星号标记，便于直观展示。可视化标记：在柱状图中，使用 geom_bar()和geom_errorbar()添加均值和标准差，再借助geom_text()把显著性星号标记在误差线之上，使图表更加清晰直观。
R语言代码示例
# 加载必要的包
library(dplyr)
library(tidyr)
library(ggplot2)
library(multcompView)
library(writexl)
library(tidyverse)
# 定义函数用于添加显著性星号
add_significance <- function(p_value) {
if (p_value < 0.001) {
"***"
} else if (p_value < 0.01) {
"**"
} else if (p_value < 0.05) {
"*"
} else {
""
}
}
# 将数据转换为长格式
iris_long <- iris %>%
pivot_longer(cols = starts_with("Sepal") | starts_with("Petal"),
names_to = "Variable", values_to = "Value")
# 计算每个Variable和Species组合的均值和标准差
summary_stats <- iris_long %>%
group_by(Variable, Species) %>%
summarise(
mean = mean(Value),
sd = sd(Value),
.groups = 'drop'
)
# 对每个变量组的不同品种之间进行ANOVA和Tukey检验，并生成显著性星号标记
significance_results <- data.frame()
variables <- unique(iris_long$Variable)
for (var in variables) {
# 子集数据
var_data <- iris_long %>% filter(Variable == var)
# ANOVA 和 Tukey 检验
anova_result <- aov(Value ~ Species, data = var_data)
tukey_result <- TukeyHSD(anova_result)
# 提取 Tukey 检验结果
tukey_data <- as.data.frame(tukey_result$Species)
colnames(tukey_data)[colnames(tukey_data) == "p adj"] <- "p_value" # 重命名列
tukey_data <- tukey_data %>%
rownames_to_column(var = "comparison") %>%
mutate(significance = sapply(p_value, add_significance), Variable = var) %>%
select(Variable, comparison, significance)
significance_results <- rbind(significance_results, tukey_data)
}
# 将显著性结果合并到 summary_stats 数据框
summary_stats <- summary_stats %>%
left_join(significance_results %>%
select(Variable, significance),
by = "Variable") %>%
mutate(y_position = mean + sd + 0.2) # 设置星号显示位置
# 导出到Excel
write_xlsx(list("Summary Statistics" = summary_stats,
"Significance Results" = significance_results),
"iris_species_significance.xlsx")
# 绘制分组柱状图并添加显著性星号
ggplot(summary_stats, aes(x = Variable, y = mean, fill = Species)) +
geom_bar(stat = "identity", position = position_dodge(width = 0.8)) +
geom_errorbar(aes(ymin = mean - sd, ymax = mean + sd),
width = 0.2, position = position_dodge(width = 0.8)) +
geom_text(aes(y = y_position, label = significance),
position = position_dodge(width = 0.8), vjust = -0.5, color = "red") +
labs(title = "Mean and SD of Iris Measurements by Species",
x = "Measurement Variable", y = "Mean Value") +
theme_minimal() +
scale_fill_brewer(palette = "Set1")
