shuju=read.table("C:/Users/lenovo/Desktop/shuju.txt",header=T)
shuju #读取数据集
y=c(shuju[ ,1],shuju[ ,2],shuju[ ,3]);y #拉长数据,使之成为一列
g1=rep(c(1:4),3);g1 #分组的列
g2=rep(c(1:3),rep(4,3));g2 #另外一个分组的列
data=cbind(g1,g2,y)
data #将数据造成了用于做实验分析的形式。也可以一开始就将数据写成这种格式
f1=factor(g1);mode(g1)
f2=factor(g2);mode(g2) #将g1和g2的类型变为factor分类的
obj=lm(y~f1+f2) #做回归
anova(obj) #做回归分析中的方差分析
obj1=lm(y~g1+g2);anova(obj1) #要是不将g1和g2变换的话,方差分析的自由度错误
#下面三行是另外一种在多元回归分析中使用的方差分析方法,先安装包,但是发现结果一样
install.packages("car") #请先安装car包,下面的Anova函数在car包中
library(car)
Anova(obj) #用Anova函数
#下面两行是有交互作用的方差分析
objnew=lm(y~f1+f2+f1*f2)
shuju #读取数据集
y=c(shuju[ ,1],shuju[ ,2],shuju[ ,3]);y #拉长数据,使之成为一列
g1=rep(c(1:4),3);g1 #分组的列
g2=rep(c(1:3),rep(4,3));g2 #另外一个分组的列
data=cbind(g1,g2,y)
data #将数据造成了用于做实验分析的形式。也可以一开始就将数据写成这种格式
f1=factor(g1);mode(g1)
f2=factor(g2);mode(g2) #将g1和g2的类型变为factor分类的
obj=lm(y~f1+f2) #做回归
anova(obj) #做回归分析中的方差分析
obj1=lm(y~g1+g2);anova(obj1) #要是不将g1和g2变换的话,方差分析的自由度错误
#下面三行是另外一种在多元回归分析中使用的方差分析方法,先安装包,但是发现结果一样
install.packages("car") #请先安装car包,下面的Anova函数在car包中
library(car)
Anova(obj) #用Anova函数
#下面两行是有交互作用的方差分析
objnew=lm(y~f1+f2+f1*f2)
anova(objnew)
附:数据原样
B1 B2 B3
A1 58.2 56.2 65.3
A2 49.1 54.1 51.6
A3 60.1 70.9 39.2
A4 75.8 58.2 48.7