當前位置: 首頁>>編程示例 >>用法及示例精選 >>正文


R aov 擬合方差分析模型

R語言 aov 位於 stats 包(package)。

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 subsetna.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。

lm 的主要區別在於 printsummary 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)。

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 printsummary 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

相關用法


注:本文由純淨天空篩選整理自R-devel大神的英文原創作品 Fit an Analysis of Variance Model。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。