aov {stats} R Documentation Fit an

aov {stats} R Documentation

Fit an Analysis of Variance Model
Description
Fit an analysis of variance model by a call to lm for each stratum.

Usage
aov(formula, data = NULL, projections = FALSE, qr = TRUE,
contrasts = NULL, ...)
Arguments
formula A formula specifying the model.

data A data frame in which the variables specified in the formula will be found. If missing, the variables are searched for in the standard way.

projections Logical flag: should the projections be returned?

qr Logical flag: should the QR decomposition be returned?

contrasts A list of contrasts to be used for some of the factors in the formula. These are not used for any Error term, and supplying contrasts for factors only in the Error term will give a warning.

... Arguments to be passed to lm, such as subset or na.action. See ‘Details’ about weights.


Details
This provides a wrapper to lm for fitting linear models to balanced or unbalanced experimental designs.

The main difference from lm is in the way print, summary and so on handle the fit: this is expressed in the traditional language of the analysis of variance rather than that of linear models.

If the formula contains a single Error term, this is used to specify error strata, and appropriate models are fitted within each error stratum.

The formula can specify multiple responses.

Weights can be specified by a weights argument, but should not be used with an Error term, and are incompletely supported (e.g., not by model.tables).

Value
An object of class c("aov", "lm") or for multiple responses of class c("maov", "aov", "mlm", "lm") or for multiple error strata of class c("aovlist", "listof"). There are print and summary methods available for these.

Note
aov is designed for balanced designs, and the results can be hard to interpret without balance: beware that missing values in the response(s) will likely lose the balance. If there are two or more error strata, the methods used are statistically inefficient without balance, and it may be better to use lme in package nlme.

Balance can be checked with the replications function.

The default ‘contrasts’ in R are not orthogonal contrasts, and aov and its helper functions will work better with such contrasts: see the examples for how to select these.

Author(s)
The design was inspired by the S function of the same name described in Chambers et al (1992).

References
Chambers, J. M., Freeny, A and Heiberger, R. M. (1992) Analysis of variance; designed experiments. Chapter 5 of Statistical Models in S eds J. M. Chambers and T. J. Hastie, Wadsworth & Brooks/Cole.

ผลลัพธ์ (ไทย) 1:

aov {stats} R Documentation Fit an Analysis of Variance ModelDescriptionFit an analysis of variance model by a call to lm for each stratum. Usageaov(formula, data = NULL, projections = FALSE, qr = TRUE, contrasts = NULL, ...)Argumentsformula A formula specifying the model. data A data frame in which the variables specified in the formula will be found. If missing, the variables are searched for in the standard way. projections Logical flag: should the projections be returned? qr Logical flag: should the QR decomposition be returned? contrasts A list of contrasts to be used for some of the factors in the formula. These are not used for any Error term, and supplying contrasts for factors only in the Error term will give a warning. ... Arguments to be passed to lm, such as subset or na.action. See ‘Details’ about weights. DetailsThis provides a wrapper to lm for fitting linear models to balanced or unbalanced experimental designs. The main difference from lm is in the way print, summary and so on handle the fit: this is expressed in the traditional language of the analysis of variance rather than that of linear models. If the formula contains a single Error term, this is used to specify error strata, and appropriate models are fitted within each error stratum. The formula can specify multiple responses. Weights can be specified by a weights argument, but should not be used with an Error term, and are incompletely supported (e.g., not by model.tables). ค่าออบเจ็กต์ ของคลาส c ("aov", "lm") หรือการตอบสนองหลายของคลาส c ("maov", "aov", "mlm", "lm") หรือหลายชั้นข้อผิดพลาดของคลาส c ("aovlist", "listof") มีพิมพ์ และสรุปวิธีการเหล่านี้ หมายเหตุaov ถูกออกแบบมาสำหรับงานออกแบบที่สมดุล และผลสามารถยากที่จะตีความไม่สมดุล: ระวังว่า ค่า response(s) หายไปจะมีแนวโน้มสูญเสียดุล ถ้ามีอย่าง น้อยสองชั้นผิดพลาด วิธีการใช้จะต่ำทางสถิติ โดยดุล และมันอาจจะดีกว่าการใช้ lme จดในแพคเกจ nlme สามารถตรวจสอบยอดดุลที่ระยะ เริ่มต้น 'แตกต่าง' ใน R ไม่ orthogonal สัมผัส และ aov และฟังก์ชันผู้ช่วยเหลือจะทำงานให้ดีเช่นสัมผัส: ดูตัวอย่างวิธีการเลือกเหล่านี้ Author(s)การออกแบบได้แรงบันดาลใจ โดยฟังก์ชัน S ของชื่อเดียวกันกับที่อธิบายไว้ในหอ et al (1992) การอ้างอิงแชมเบอร์ส J. M., Freeny, Heiberger, R. M. (1992) การวิเคราะห์ผลต่างของ และ A ทดลองออกแบบ บทที่ 5 แบบจำลองทางสถิติใน S eds J. M. หอต.เจ Hastie วาดส์วอลทช์ และบรู๊คส์/โคล

ผลลัพธ์ (ไทย) 2:

AOV {} R สถิติเอกสารพอดีของการวิเคราะห์ความแปรปรวนแบบคำอธิบายพอดีของรูปแบบการวิเคราะห์ความแปรปรวนโดยเรียกร้องให้LM สำหรับแต่ละชั้น. ใช้AOV (สูตรข้อมูล = โมฆะประมาณการ = เท็จ QR = จริงขัดแย้ง= โมฆะ .. ) ข้อโต้แย้งสูตรสูตรการระบุรูปแบบ. ข้อมูลกรอบข้อมูลที่ตัวแปรที่ระบุไว้ในสูตรจะพบ ถ้าหายไปตัวแปรที่มีการค้นหาในวิธีมาตรฐาน. ประมาณการตรรกะธง: ควรประมาณการถูกส่งกลับQR ตรรกะธง: ควร QR สลายตัวจะกลับมา? ขัดแย้งรายชื่อของความขัดแย้งที่จะนำมาใช้สำหรับบางส่วนของปัจจัยในสูตร . เหล่านี้จะไม่ได้ใช้สำหรับระยะข้อผิดพลาดใด ๆ ที่แตกต่างและการจัดหาปัจจัยเฉพาะในระยะข้อผิดพลาดที่จะทำให้คำเตือน. ... ข้อโต้แย้งที่จะส่งผ่านไปยัง LM เช่นย่อยหรือ na.action ดูรายละเอียดเกี่ยวกับน้ำหนัก. รายละเอียดนี้จะให้เสื้อคลุมเพื่อ LM สำหรับรูปแบบเชิงเส้นเหมาะสมกับการออกแบบการทดลองที่สมดุลหรือไม่สมดุลได้. แตกต่างหลักจาก LM เป็นในการพิมพ์วิธีการสรุปและอื่น ๆ จัดการพอดีนี้จะแสดงในแบบดั้งเดิม ภาษาของการวิเคราะห์ความแปรปรวนมากกว่าที่รูปแบบเชิงเส้น. ถ้าสูตรที่มีระยะข้อผิดพลาดเพียงครั้งเดียวนี้ถูกใช้เพื่อระบุชั้นข้อผิดพลาดและรูปแบบที่เหมาะสมมีการติดตั้งภายในชั้นแต่ละข้อผิดพลาด. สูตรสามารถระบุคำตอบหลาย. น้ำหนักสามารถ ระบุโดยอาร์กิวเมนต์น้ำหนัก แต่ไม่ควรนำมาใช้กับคำที่ผิดพลาดและได้รับการสนับสนุนไม่สมบูรณ์ (เช่นไม่ได้โดย model.tables). ค่าวัตถุของชั้นค ("AOV", "LM") หรือสำหรับการตอบสนองหลาย ระดับค ("maov", "AOV", "MLM", "LM") หรือข้อผิดพลาดหลายชั้นของชั้นค ("aovlist", "listof") มีวิธีการพิมพ์และการสรุปที่มีอยู่เหล่านี้. หมายเหตุAOV ถูกออกแบบมาสำหรับการออกแบบที่สมดุลและผลที่อาจจะยากที่จะตีความโดยไม่ต้องสมดุล: ระวังว่าค่าที่ขาดหายไปในการตอบสนอง (s) มีแนวโน้มที่จะสูญเสียความสมดุล หากมีสองหรือชั้นข้อผิดพลาดมากขึ้นวิธีการที่ใช้จะไม่มีประสิทธิภาพทางสถิติโดยไม่ต้องสมดุลและมันอาจจะดีกว่าการใช้ LME ใน nlme แพคเกจ. คงเหลือสามารถตรวจสอบได้ด้วยฟังก์ชั่นซ้ำ. เริ่มต้น 'แตกต่าง' ในการวิจัยไม่ได้แตกต่างมุมฉาก และ AOV และฟังก์ชั่นผู้ช่วยของมันจะทำงานได้ดีขึ้นมีความแตกต่างดังกล่าวดูตัวอย่างสำหรับวิธีการเลือกเหล่านี้. ผู้เขียน (s) การออกแบบที่ได้รับแรงบันดาลใจจากฟังก์ชั่น S ที่มีชื่อเดียวกันที่อธิบายไว้ใน Chambers, et al (1992). อ้างอิงChambers , JM, Freeny, A และ Heiberger, RM (1992) การวิเคราะห์ความแปรปรวน การออกแบบการทดลอง บทที่ 5 ของรุ่นสถิติ S สหพันธ์ JM Chambers และ TJ Hastie, วัดส์และบรูคส์ / โคล

ผลลัพธ์ (ไทย) 3:

aov สถิติ } { r

พอดีเอกสารการวิเคราะห์ความแปรปรวนรูปแบบ

พอดีอธิบายการวิเคราะห์รูปแบบความแปรปรวนโดยเรียก LM สำหรับแต่ละชั้น


aov ใช้ สูตร , ข้อมูล = null , ประมาณการ = เท็จจริง =
= QR , ความโมฆะ , . . . )

สูตรสูตรระบุอาร์กิวเมนต์แบบ เป็นเฟรมข้อมูลที่ตัวแปรที่ระบุไว้ในสูตร จะพบข้อมูล

ถ้าหายไปตัวแปรจะค้นหาในวิธีมาตรฐาน

โดยตรรกะธง : ควรประมาณการจะกลับ ?

QR ตรรกะธง : QR การสลายตัวจะกลับ ?

สุดท้ายรายการของความแตกต่างเพื่อใช้เป็นปัจจัยในสูตร เหล่านี้ไม่ได้ใช้สำหรับข้อผิดพลาดใด ๆในระยะสั้น และการจัดหาปัจจัยในแง่ความแตกต่างเพียงข้อผิดพลาดจะตักเตือน .

. . . . . . .อาร์กิวเมนต์ที่จะส่งผ่านไปยังซอฟต์แวร์ เช่น ชุดย่อย หรือ na.action . ดูรายละเอียด เรื่องน้ำหนัก รายละเอียด



นี้มีเสื้อคลุมให้กระชับโดยแบบจำลองเชิงเส้นเพื่อความสมดุลหรือไม่สมดุลการออกแบบการทดลอง

ความแตกต่างหลักจาก LM ในวิธีพิมพ์สรุปและอื่น ๆจัดการพอดี : นี้แสดงในภาษาดั้งเดิมของการวิเคราะห์ความแปรปรวนมากกว่าของแบบจำลองเชิงเส้น

ถ้าสูตรประกอบด้วยเงื่อนไขข้อผิดพลาดเดียวนี้จะใช้เพื่อระบุชั้นข้อผิดพลาด และรุ่นที่เหมาะสมติดตั้งข้อผิดพลาดภายในแต่ละชั้น

สูตรสามารถระบุการตอบสนองหลาย

น้ำหนักสามารถระบุโดยอาร์กิวเมนต์ที่หนัก แต่ไม่ควรใช้กับข้อผิดพลาดระยะยาวและไม่สมบูรณ์ ( เช่นไม่สนับสนุนรูปแบบ ตาราง )

ค่า
วัตถุของคลาส C ( " aov "" อิม " ) หรือการตอบสนองหลายคลาส C ( " maov " , " aov " , " MLM " , " LM " ) หรือสำหรับข้อผิดพลาดหลายชั้นของคลาส C ( " aovlist " , " พ.ศ. " ) มีพิมพ์และวิธีการสรุปของเหล่านี้ หมายเหตุ


aov ถูกออกแบบมาสำหรับการออกแบบที่สมดุลและผลลัพธ์ที่สามารถจะยากที่จะตีความโดยไม่สมดุล : ระวังว่าค่าสูญหายในการตอบสนอง ( s ) อาจจะสูญเสียความสมดุล