Yanıtlar:
summary(aov)
Tip I (sıralı) kareler olarak adlandırılan toplamları kullanır. summary(lm)
Sıralı olmayan tip III karelerin toplamını kullanır. Ayrıntılar için gung'un cevabına bakınız.
Aramanız gerektiğini unutmayın lm(data ~ factor(f1) * factor(2))
( aov()
formülün RHS'sini otomatik olarak faktörlere dönüştürür). Sonra lineer regresyonda genel -istist için paydaya dikkat edin ( daha fazla açıklama için bu cevaba bakınız ):
β c F , vektörü değiştiği için test edilen her katsayısı için farklıdır . Buna karşılık, ANOVA testindeki payda her zaman MSE'dir.
set.seed(10)
data=rnorm(12)
f1=rep(c(1,2),6)
f2=c(rep(1,6),rep(2,6))
summary(aov(data~f1*f2))
Df Sum Sq Mean Sq F value Pr(>F)
f1 1 0.535 0.5347 0.597 0.462
f2 1 0.002 0.0018 0.002 0.966
f1:f2 1 0.121 0.1208 0.135 0.723
Residuals 8 7.169 0.8962
summary(lm(data~f1*f2))$coeff
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.05222024 2.732756 0.0191090 0.9852221
f1 -0.17992329 1.728346 -0.1041014 0.9196514
f2 -0.62637109 1.728346 -0.3624106 0.7264325
f1:f2 0.40139439 1.093102 0.3672066 0.7229887
Bunlar iki farklı kod. Lm modelinden katsayılara ihtiyacınız var. aov modelinden ise sadece varyasyon kaynaklarını tablo haline getiriyorsunuz. Kodu deneyin
anova(lm(data~f1*f2))
Analysis of Variance Table
Response: data
Df Sum Sq Mean Sq F value Pr(>F)
f1 1 0.5347 0.53468 0.5966 0.4621
f2 1 0.0018 0.00177 0.0020 0.9657
f1:f2 1 0.1208 0.12084 0.1348 0.7230
Residuals 8 7.1692 0.89615
Bu, aynı sonuçlara yol açan varyasyon kaynaklarının çizelgesini verir.
f1
ve f2
farklı olduğunu soran soruya cevap vermiyor gibi görünüyor . Yalnızca gösteren Görünüşe summary(aov(...))
ve anova(lm(...))
içinde R
benzer çıkışı var.
lm
rapor eden şey budur , Tip II / III ise değildir. Bu, @ gung'un bağlandığınız cevabında oldukça ayrıntılı olarak açıklanmaktadır.