方差分析

方差分析是研究一种或多种因素的变化对实验结果的观测值是否有显著影响，从而找出较优的实验条件或生产条件的一种常用的数理统计方法。

影响观测值的条件称为因素。因素的不同状态称为水平，一个因素可以有多个水平。

引起观测值不同的原因是多方面的，主要有两个方面：因素效应、实验误差。

单因素方差分析：
1，aov_model = aov(X~A, data=lammp) ; summary(aov_model)
2，对各组观测值的方差进行组合得到的统计量，所以称为方差分析。
3，当拒绝H0时，并不意味着所有均值间都存在差异，这时我们需要对每一对均值进行一一进行比较，即多重比较。多重比较的方法比较多，常用的方法如下：
*，多重t检验法，即用t检验一一检验每组的均值是否一样。
**，修正P值后的均值的多重比较方法：pairwire.t.test()
4，要进行方差分析，应当具备以下三个条件：
*，可加性：每个处理效应与随机误差是可加的。
**，独立正态性：实验误差应当服从正态分布，而且相互独立。误差的正态性检验，本质上就是数据的正态性检验，可用shapiro.test()函数
*，方差齐性：不同处理效应间的方差是一样的。方差的齐性检验可用bartlett检验，bartlett.test()

当不满足如上三个条件时，方差分析不能使用，可用非参的kruskal.test()和friedman.test()方法进行因素分析。

双因素方差分析：
1，不考虑交互作用：aov(Y~A+B)
2，考虑交互作用：aov(Y~A+B+A:B)
3，双因素方差分析也要满足数据正态性和方差齐性的条件，检验方式和上面一样。

参考文献：
薛毅-《统计建模与R软件》-清华大学出版社-2008