R语言进行方差分析

R语言进行方差分析R语言进行方差分析R语言进行方差分析xxx公司R语言进行方差分析文件编号：文件日期：修订次数：第1.0次更改批准审核制定方案设计，管理制度方差分析在试验科学中有重要的地位，今天谈谈如何用R做方差分析前提假设：独立、正态、方差齐次（各水平间）例子：x<-c,,,,,,,,,,,,,,,,,,,数据集用5个因子水平测量，问是否存在差异光是这样是无法进行分析的，对数据x进行格式转化b<(x,a=gl(5,4,20))b得到结果如下（gl指定因子，5是水平，4是重复次数）xa

11

21

31

41

52

62

72

82

93

103

113

123

134

144

154

164

175

185

195

205

在进行方差分析之前先对几条假设进行检验，由于随机抽取，假设总体满足独立、正态，考察方差齐次性（用bartlett检验）

>(x~a,data=b)

Bartletttestofhomogeneityofvariances

data:xbya

Bartlett'sK-squared=,df=4,p-value=

方差齐次性符合

下面进行方差分析

m1<-aov(x~a,data=b)

summary(m1)

DfSumSqMeanSqFvaluePr(>F)

a4*

Residuals15

—

Signif.codes:0‘***’‘**’‘*’‘.’‘’1从这个结果看出差别显著接下来考察具体的差异（多重比较），>TukeyHSD(m1)Tukeymultiplecomparisonsofmeans95%family-wiseconfidencelevelFit:aov(formula=x~a,data=b)$adifflwruprpadj2-13-14-15-13-24-25-24-35-35-4除了5、2和5、4间外，其他之间的差异是不显著的。方差分析之二具有交互效应的双因素方差分析昨天谈了单因素方差分析，今天谈谈具有交互效应的双因素分析，举一个实例，例子来源于汤银才所著《R语言与统计分析》。有一个关于检验毒品强弱的试验，给48只白鼠注射3种毒药（因素A），同时有4种治疗方案（因素B），这样的试验在每一种因素组合下都重复四次测试老鼠的存活时间，试分析毒药和治疗方案以及它们的交互作用对老鼠存活时间有无显著影响。数据如下time<-c,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,tox<-gl(3,16,48)cure<-gl(4,4,48)第二个4代表每种因素组合下的重复试验次数b<(time,tox,cure)b结果如下timetoxcure111211311411512612712812913101311131213131414141514161417211821192120212122222223222422252326232723282329243024312432243331343135313631373238323932403241334233433344334534463447344834方差分析m1<-aov(time~tox+cure+tox:cure)summary(m1)DfSumSqMeanSqFvaluePr(>F)

tox2***

cure3***

tox:cure6

Residuals36

—

Signif.codes:0‘***’‘**’‘*’‘.’‘’1由此可以看出tox,cure之间的交互作用不显著，在说明tox,cure的作用是否显著前，最好先考虑方差齐次性（因为从箱型图可以看出方差有很大差异）(time~tox+cure,data=b)Bartletttestofhomoge