R aov 擬合方差分析模型

說明

通過調用 lm 擬合方差模型分析(如果使用 Error(.)，則針對每個層)。

用法

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

參數

formula	指定模型的公式。
data	將在其中找到公式中指定的變量的 DataFrame 。如果丟失，則以標準方式搜索變量。
projections	邏輯標誌：是否應該返回投影？
qr	邏輯標誌：是否應該返回 QR 分解？
contrasts	用於公式中某些因子的對比列表。這些不用於任何 Error 術語，並且僅在 Error 術語中提供因子對比將發出警告。
...	要傳遞給 lm 的參數，例如 subset 或 na.action 。請參閱有關 weights 的“詳細信息”。

細節

這為 lm 提供了一個包裝器，用於將線性模型擬合到平衡或不平衡的實驗設計。

與 lm 的主要區別在於 print 、summary 等處理擬合的方式：這是用方差分析的傳統語言而不是線性模型的語言來表達的。

如果公式包含單個 Error 項，則用於指定誤差層，並在每個誤差層內擬合適當的模型。

該公式可以指定多個響應。

權重可以由 weights 參數指定，但不應與 Error 術語一起使用，並且不完全支持(例如，不受 model.tables 支持)。

值

類 c("aov", "lm") 的對象或用於類 c("maov", "aov", "mlm", "lm") 的多個響應或用於類 c("aovlist", "listof") 的多個錯誤層。有 print 和 summary 方法可用於這些方法。

注意

aov 專為平衡設計而設計，如果沒有平衡，結果可能很難解釋：請注意，響應中缺少值可能會失去平衡。如果有兩個或更多錯誤層，則所使用的方法在統計上效率低下且不平衡，並且最好使用 nlme 包中的lme。

可以使用replications函數檢查餘額。

默認‘contrasts’R不是正交對比，並且aov其輔助函數在這種對比下會更好地工作：請參閱示例以了解如何選擇這些函數。

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).

參考

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