为什么与excel和手动计算相比，使用R获得单向方差分析输出的方式有所不同？

Question

我是R的新手，所以可能做错了什么，但是我搜索了许多不同的方法来做相同的事情，但仍然得到相同的结果。 我有以下数据（15个度量，3个因子，每个度量5个度量）：度量：

##factors: 1, 2, 3

         Y    Z
1     43.0    1
2     40.5    1
3     39.6    1
4     44.9    1
5     37.2    1
6     44.4    2
7     40.5    2
8     40.1    2
9     43.3    2
10    36.1    2
11    41.1    3
12    39.2    3
13    36.4    3
14    37.2    3
15    36.7    3

当我在R中使用> anova(lm(Y~Z, data=data)) Y〜Z， anova(lm(Y~Z, data=data))执行单向方差分析时，得到F = 2.7934，p = 0.1185和Df = 1。 我也使用aov和AOVModel函数得到相同的结果。

但是，Excel和手动计算（以及Minitab，实际上）都给我F = 1.728和p = 0.219，并具有2个自由度。 我无法理解-我在做什么错？

谢谢

Answer 1

这是因为您将data$Z作为数字变量。 请参阅上方的Dason评论。 因此，您需要将Z转换为因子（我将数据重命名为dat，因为data是R基础对象的名称）。 这是如何做：

dat$Z <- as.factor(dat$Z)

屈服：

> anova(lm(Y~Z, data=dat))
Analysis of Variance Table

Response: Y
          Df Sum Sq Mean Sq F value Pr(>F)
Z          2 26.949 13.4747  1.7281  0.219
Residuals 12 93.568  7.7973  

旁注使用str查看变量的存储方式。 它是最常用的R函数之一。

所以...

str(dat)会告诉您：

> str(dat)
'data.frame':   15 obs. of  2 variables:
 $ Y: num  43 40.5 39.6 44.9 37.2 44.4 40.5 40.1 43.3 36.1 ...
 $ Z: int  1 1 1 1 1 2 2 2 2 2 ...

在因子转换之后：

> str(dat)
'data.frame':   15 obs. of  2 variables:
 $ Y: num  43 40.5 39.6 44.9 37.2 44.4 40.5 40.1 43.3 36.1 ...
 $ Z: Factor w/ 3 levels "1","2","3": 1 1 1 1 1 2 2 2 2 2 ...