转载自:http://blog.csdn.net/lilanfeng1991/article/details/30753509
当包含的因子是解释变量时,通常会从预测转向 级别差异的分析,即称作方差分析(ANOVA)
组间因子
因变量
自变量
均衡设计(balanced design)
组内因子
单因素组间方差分析
单因素组内方差分析
重复测量方差分析
主效应
交叉效应
因素方差分析
混淆因素
干扰变数
协变量
协方差
1、ANOVA模型拟合
1.aov()函数
语法:aov(formula,data=dataframe)
R表达式中的特殊符号
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~A*B*C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
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是区组因子)
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)
非平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,一定要谨慎设置疚的顺序
2、单因素方差分析
(1)单因素方差分析
#单因素方差分析(感兴趣地是比较分类因子定义的两个或多个组别中的因变量均值)
install.packages("multcomp")
library(multcomp)
att