R语言单因素方差分析.doc

文档介绍：语言单因素方差分析课程报告
分析题目：
1、录入数据
ch
语言单因素方差分析课程报告
分析题目：
1、录入数据
chanliang<-scan()
24302826
27242126
31282530
32333328
21221621
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)
Padj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")