R语言单因素方差分析.doc

R语言单因素方差分析.doc语言单因素方差分析课程报告
分析题目：
1、录入数据
chanliang<-scan()
24 30 28 26
27 24 21 26
31 28 25 30
32 33 33 28
21 22 16 21
2、形成数据框，如图
chuli<-rep(c('A1','A2','A3','A4','A5'),
c(4,4,4,4,4))
jieguo=(chanliang,chuli)
jieguo
图 1
3、数据分析
fit<-aov(chanliang~chuli,data=jieguo)
summary(fit)
因为结果差异是否显著需要看数据 P 或 Pr，若 P 上有符号“ * ”，则说明差异显著，且 * 越多，差异越大。由下图结果显示， Pr 的数据中有三个 * ，说明差异非
常显著，符合预期的要求。 有因
为有多个数据，因此要进行多种
比较分析。如下。
4、对分析结果作比较
TukeyHSD(fit)
P adj 越小越显著，又例如 diff
中， A5-A4<0,则说明 A4 比较厉
害， A4 比较符合预期要求。由
图可知，多种比较分析中，A5-A4
P 值最小，且 A5-A4<0， A4
比较符合预期要求。
图 2
5、画图（置信区间）
plot(TukeyHSD(fit))
图 形 说 明 ： 若 图 3
Ai-Aj(i=2,3,4,=1 ，2,3,4

中
）经
过了 0 的那条虚线，则说明差异不
显著，可以对第四步的分析做检验。
由图可知， A5-A4,A5-A3,A5-A1,
A4-A2 差异显著，其中 A5-A4 差异
最显著。由此检验图 2。
图 3
6 、正态检验 / 方差齐性检验
(chanliang~chuli,data=jieguo)
由 2 图与图 3 对比可检验分析出所需的结论，更加实在的证明了所得结论。
方差分析满足以下 3 个性质：独立性（抽出来的数据不受控制、独立的） 、正态性（符合正态分布） 、等方差性（方差相等） 。
7、线性建模
result<-lm(chanliang~chuli,data=jieguo)
library(car)
qqPlot(result,main="aa",lab= "FLAST")
散点图中的点在实线的
周围，且实线在对角线
上，即说明正态分布符
合。由图 4 可知，实线
在对角线