aov
位于 stats
包(package)。 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 |
... |
要传递给 |
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
相关用法
- R aggregate 计算数据子集的汇总统计
- R alias 查找模型中的别名(依赖项)
- R anova.glm 广义线性模型拟合的偏差分析
- R anova.mlm 多元线性模型之间的比较
- R addmargins 在多维表或数组上设置任意边距
- R anova 方差分析表
- R asOneSidedFormula 转换为单边公式
- R as.hclust 将对象转换为 hclust 类
- R ar.ols 通过 OLS 将自回归模型拟合到时间序列
- R arima.sim 从 ARIMA 模型进行模拟
- R ar 将自回归模型拟合到时间序列
- R arima 时间序列的 ARIMA 建模
- R ansari.test 安萨里-布拉德利检验
- R approxfun 插值函数
- R add1 在模型中添加或删除所有可能的单项
- R acf 自协方差和互协方差以及相关函数估计
- R ave 因子水平组合的组平均值
- R arima0 时间序列的 ARIMA 建模 – 初步版本
- R acf2AR 计算精确拟合 ACF 的 AR 过程
- R anova.lm 线性模型拟合的方差分析
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Fit an Analysis of Variance Model。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。