1.多元方差分析
这里我们使用MASS包的UScereal数据集（美国谷物中的卡路里、脂肪和糖类含量是否因为储物架的不同而发生变化，其中shelf列1代表低货架，2代表中层货架，3代表顶层货架，其中卡路里、脂肪和糖类含量的变化是因变量，货架水平是自变量）来进行演示。如果只是看哪个效果更加明显可以直接计算平均值，如果要看差别的显著水平则需要用方差分析。
图1 数据集截图
library(MASS)#内置包，不需要安装
attach(UScereal)#用来加载数据，用attach函数就不需要用变量赋值操作
shelf<-factor(shelf)#将该列转化为因子类型
aggregate(cbind(calories,fat,sugars),by=list(shelf),FUN=mean)#因变量有三个，需要用cbind函数生成一个新列表而不能直接进行计算，按shelf列统计出不同水平的均值
fit<-manova(cbind(calories,fat,sugars)~shelf)
#进行多元方差分析，因为因变量较多且波浪号左边只能有一个对象，所以需要cbind函数进行组合
summary(fit)#总结结果
图2 按shelf列统计出不同水平的均值
图3 方差分析结果
也可以用summary.aov函数查看方差分析结果
summary.aov(fit)
图4 查看方差分析结果
通过结果可以看出三组中每种营养成分的测量值是不同的，差异结果是显著的。
网友评论