R语言实现方差分析

方差分析对数据的要求：满足正态性（来自同一正态总体）和方差齐性（各组方差相等），在这两个条件下，若各组有差异，则只可能是来自影响因素的不同水平。
用aov()函数进行方差分析，基本格式为：

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

其中，formula为方差分析公式；
data为数据框；
projection设置是否返回预测结果；
qr设置是否返回QR分解结果；
contrasts为公式中一些因子的列表。

formula公式的表示：（y为因变量，ABC为分组因子）

符号	用法
~	分隔符号，左边为响应变量，右边为解释变量eg：y~A+B+C
+	分隔解释变量
：	表示变量的交互项eg：y~A+B+A:B
*	表示所有可能交互项eg：y~ABC可展开为： y~A+B+C+A:B+A:C+B:C+A:B:C
^	表示交互项达到次数eg：y~(A+B+C)^2展开为： y~A+B+C+A:B+A:C+B:C
.	表示包含除因变量外的所有变量eg：若一个数据框包括变量y,A、B和C，代码y~. 可展开为 y~ A+B+C

常见研究设计的表达式：（小写字母表示定量变量，大写字母表
示组别因子，Subject是对被试者独有的标识变量）

设计	表达式
单因素	ANOVA y~A
含单个协变量的单因素	ANCOVA y~x+A
双因素	ANOVA y~A*B
含两个协变量的双因素	ANCOVA y~x1+x2+A*B
随机化区组	y~B+A, B为区组因子
单因素组内	ANOVA y~A+Error(Subject/A)
含单个组内因子(W)和单个组间因子(B)的重复测量	ANOVA y~B*W+Error(Subject/W)

注意：非均衡设计时或存在协变量时，效应项的顺序对结果影响较大，越基础的效应越需要放在表达式前面，首先是协变量、然后是主效应、接着是双因素的交互项，再接着是三因素的交互项。若研究不是正交的，一定要谨慎设置效应的顺序。
有三种类型的方法可以分解y~A+B+A:B右边各效应对y所解释的方差：
类型I（序贯型）
效应根据表达式中先出现的效应做调整。A不做调整，B根据A调整，A:B交互项根据A和B调整。
类型II（分层型）
效应根据同水平或低水平的效应做调整。A根据B调整，B依据A调整，A:B交互项同时根据A和B调整。
类型III（边界型）
每个效应根据模型其他各效应做相应调整。A根据B和A:B做调整，A:B交互项根据A和B调整。
R默认调用类型I方法，其他软件（比如SAS和SPSS）默认调用类型III方法。car包中的Anova()函数（不要与标准anova()函数混淆）提供了使用类型II或类型III方法的选项，而aov()函数使用的是类型I方法。若想使结果与其他软件（如SAS和SPSS）提供的结果保持一致，可以使用Anova()函数。

一、单因素方差分析

1个因变量，1个影响因素：
总差异Yij = 平均差异μ + 因素差异αi + 随机差异εij
例1 比较4种品牌的胶合板的耐磨性，各抽取5个样品，相同转速磨损相同时间测得磨损深度（mm），比较4个品牌胶合板的耐磨性有无差异？

attach(ToothGrowth)
head(ToothGrowth)

序号	len	supp	dose
1	4.2	VC	0.5
2