R语言aov()的基本用法
示例
方差分析(aov)用于确定两个或多个组的均值是否显着不同。假定响应彼此独立，正态分布（在每个组内），并且组内方差被假定为相等。
为了完成分析，数据必须为长格式（请参阅重塑数据主题）。aov()是lm()使用Wilkinson-Rogers公式符号表示的函数包装，y~f其中y响应（独立）变量和f代表组成员身份的因子（类别）变量。如果f是数字而不是因子变量，aov()则将以ANOVA格式报告线性回归的结果，这可能会使经验不足的用户感到惊讶。
该aov()函数使用I型（顺序）平方和。这种类型的平方和依次测试所有（主要和交互作用）效果。结果是，还为测试的第一个效果分配了它与模型中其他效果之间的共享方差。为了使该模型的结果可靠，数据应保持平衡（所有组的大小均相同）。
如果I型平方和的假设不成立，则II型或III型平方和可能适用。II型平方和在每个其他主要效果之后测试每个主要效果，从而控制任何重叠方差。但是，II型平方和假定主要效果之间没有相互作用。
最后，III型平方和在每个其他主要效果和每个交互之后测试每个主要效果。当存在相互作用时，这使得III型平方和成为必需。
Anova()函数中实现了II型和III型平方和。
以mtcars数据集为例。
mtCarsAnovaModel <- aov(wt ~ factor(cyl), data=mtcars)
要查看ANOVA模型的摘要：
summary(mtCarsAnovaModel)
还可以提取基础lm()模型的系数：
coefficients(mtCarsAnovaModel)