R aov 拟合方差分析模型

说明

通过调用 lm 拟合方差模型分析(如果使用 Error(.)，则针对每个层)。

用法

aov(formula, data = NULL, projections = FALSE, qr = TRUE,
    contrasts = NULL, ...)

参数

formula	指定模型的公式。
data	将在其中找到公式中指定的变量的 DataFrame 。如果丢失，则以标准方式搜索变量。
projections	逻辑标志：是否应该返回投影？
qr	逻辑标志：是否应该返回 QR 分解？
contrasts	用于公式中某些因子的对比列表。这些不用于任何 Error 术语，并且仅在 Error 术语中提供因子对比将发出警告。
...	要传递给 lm 的参数，例如 subset 或 na.action 。请参阅有关 weights 的“详细信息”。

细节

这为 lm 提供了一个包装器，用于将线性模型拟合到平衡或不平衡的实验设计。

与 lm 的主要区别在于 print 、summary 等处理拟合的方式：这是用方差分析的传统语言而不是线性模型的语言来表达的。

如果公式包含单个 Error 项，则用于指定误差层，并在每个误差层内拟合适当的模型。

该公式可以指定多个响应。

权重可以由 weights 参数指定，但不应与 Error 术语一起使用，并且不完全支持(例如，不受 model.tables 支持)。

值

类 c("aov", "lm") 的对象或用于类 c("maov", "aov", "mlm", "lm") 的多个响应或用于类 c("aovlist", "listof") 的多个错误层。有 print 和 summary 方法可用于这些方法。

注意

aov 专为平衡设计而设计，如果没有平衡，结果可能很难解释：请注意，响应中缺少值可能会失去平衡。如果有两个或更多错误层，则所使用的方法在统计上效率低下且不平衡，并且最好使用 nlme 包中的lme。

可以使用replications函数检查余额。

默认‘contrasts’R不是正交对比，并且aov其辅助函数在这种对比下会更好地工作：请参阅示例以了解如何选择这些函数。

例子

## From Venables and Ripley (2002) p.165.

## Set orthogonal contrasts.
op <- options(contrasts = c("contr.helmert", "contr.poly"))
( npk.aov <- aov(yield ~ block + N*P*K, npk) )
summary(npk.aov)
coefficients(npk.aov)

## to show the effects of re-ordering terms contrast the two fits
aov(yield ~ block + N * P + K, npk)
aov(terms(yield ~ block + N * P + K, keep.order = TRUE), npk)


## as a test, not particularly sensible statistically
npk.aovE <- aov(yield ~  N*P*K + Error(block), npk)
npk.aovE
## IGNORE_RDIFF_BEGIN
summary(npk.aovE)
## IGNORE_RDIFF_END
options(op)  # reset to previous

作者

The design was inspired by the S function of the same name described in Chambers et al (1992).

参考

Chambers, J. M., Freeny, A and Heiberger, R. M. (1992) Analysis of variance; designed experiments. Chapter 5 of Statistical Models in S eds J. M. Chambers and T. J. Hastie, Wadsworth & Brooks/Cole.

也可以看看

lm , summary.aov , replications , alias , proj , model.tables , TukeyHSD