统计分析编程软件学习——单因素方差分析

写在前面

单因素方差分析是每个做科研的朋友必须学会的一种分析方法，也是数据处理过程中绝对会使用到的分析方法之一，那么，我们用R语言进行单因素方差分析应该如何做呢？今天小编就带大家一起来学习回顾一下。

作者需要您的鼓励，看完之后如果觉得好的话，点赞一下哦！！

注意：学习是一个日积月累的过程，希望你每天都有进步哦！

1、明确目的

我们进行试验设计时，一般都会设置实验组与对照组，比如采用四种不同的方法对某种葡萄酒甜度进行测试，设置一个对照组，每种方法设置四次重复，一共测得20个数据，我们的目的是想要比较这五种方法是否具有差异，差异的显著性能达到多少。

试验所得数据为：

方法 除杂量

A1 25.6 22.2 28.0 29.8 26.4

A2 24.430.029.027.527.7

A3 25.027.723.032.227.0

A4 28.828.031.525.928.6

A5 20.621.222.021.221.3

2、数据准备。

首先转换数据的类型，将其转为带因子类型的数据框格式，然后再进行处理。用R语言处理的代码为：

>mydata

>A

>Y

>my.aov

>summary(my.aov)#显示计算结果

Df Sum Sq Mean Sq F value Pr(>F)

A 4 131.957 32.989 4.3061 0.01618 *

Residuals 15 114.915 7.661

---

Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

结果显示为0.01618 *，p

> boxplot(Y$X~A)#选择Y中的数据X和A进行箱线图可视化

由上图可以看出第五个处理明显与其它组存在差异，处理1与处理3、处理2和4之间差异不明显，而1与2、2与3、3与4、1与4之间也存在差异，只是差异并不明显。

至此，单因素方差分析完毕。

3、单因素方差分析数据准备的另一种方法

首先来看数据在R语言中的类型：

> Y

mydata A

1 25.6 1

222.21

328.01

429.81

524.42

630.02

729.02

827.52

925.03

1027.73

1123.03

1232.23

1328.84

1428.04

1531.54

1625.94

1720.65

1821.25

1922.05

2021.25