R语言
summary.aov
位于 stats
包(package)。 说明
总结方差分析模型。
用法
## S3 method for class 'aov'
summary(object, intercept = FALSE, split,
expand.split = TRUE, keep.zero.df = TRUE, ...)
## S3 method for class 'aovlist'
summary(object, ...)
参数
object |
类 |
intercept |
逻辑:是否应该包含截距项? |
split |
可选的命名列表,其名称与模型中的术语相对应。每个组件本身都是一个包含整数组件的列表,给出了要对其贡献进行求和的对比。 |
expand.split |
逻辑:分割是否也适用于涉及因子的相互作用? |
keep.zero.df |
逻辑:是否应该包含没有自由度的项? |
... |
对于 |
值
分别是c("summary.aov", "listof")
或"summary.aovlist"
类的对象。
对于单个层的拟合,结果将是方差分析表的列表,每个响应一个(即使只有一个响应):这些表属于从类 "data.frame"
继承的类 "anova"
。它们具有 "Df"
、 "Sum Sq"
、 "Mean Sq"
列,以及 "F value"
和 "Pr(>F)"
(如果存在非零残余自由度)。模型中的每一项都有一行,如果有的话,再加上"Residuals"
一行。
对于多层拟合,返回值是此类摘要的列表,每个层对应一个。
注意
expand.split = TRUE
的使用几乎没有经过测试:始终可以将其设置为 FALSE
并准确指定所需的所有拆分。
例子
## For a simple example see example(aov)
# Cochran and Cox (1957, p.164)
# 3x3 factorial with ordered factors, each is average of 12.
CC <- data.frame(
y = c(449, 413, 326, 409, 358, 291, 341, 278, 312)/12,
P = ordered(gl(3, 3)), N = ordered(gl(3, 1, 9))
)
CC.aov <- aov(y ~ N * P, data = CC , weights = rep(12, 9))
summary(CC.aov)
# Split both main effects into linear and quadratic parts.
summary(CC.aov, split = list(N = list(L = 1, Q = 2),
P = list(L = 1, Q = 2)))
# Split only the interaction
summary(CC.aov, split = list("N:P" = list(L.L = 1, Q = 2:4)))
# split on just one var
summary(CC.aov, split = list(P = list(lin = 1, quad = 2)))
summary(CC.aov, split = list(P = list(lin = 1, quad = 2)),
expand.split = FALSE)
也可以看看
aov
, summary
, model.tables
, TukeyHSD
相关用法
- 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
- R summary.lm 总结线性模型拟合
- R summary.princomp 主成分分析的汇总方法
- R summary.glm 广义线性模型拟合总结
- R supsmu 弗里德曼的超级平滑
- R stlmethods STL 对象的方法
- R smooth Tukey 的(运行中值)平滑
- R screeplot 屏幕图
- R sortedXyData 创建一个sortedXyData对象
- R sigma 提取残余标准差“Sigma”
- R setNames 设置对象中的名称
- R stat.anova GLM 方差分析统计
- R scatter.smooth 黄土拟合的平滑曲线散点图
- R splinefun 插值样条曲线
- R spec.taper 通过余弦钟锥化时间序列
- R symnum 符号数字编码
- R se.contrast 模型术语对比的标准误差
- R stepfun Step Functions - 创建和类
- R shapiro.test 夏皮罗-威尔克正态性检验
- R selfStart 构建自启动非线性模型
- R spec.pgram 通过平滑周期图估计时间序列的谱密度
- R spec.ar 通过 AR Fit 估计时间序列的频谱密度
- R smooth.spline 拟合平滑样条曲线
- R stl Loess 时间序列的季节分解
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Summarize 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。