主要内容gydF4y2Ba

anovangydF4y2Ba

n向方差分析gydF4y2Ba

在页面中全部折叠gydF4y2Ba

语法gydF4y2Ba

p = anovan (y组)gydF4y2Ba
p = anovan (y、组名称、值)gydF4y2Ba
(p(资源)= anovan (gydF4y2Ba___gydF4y2Ba）gydF4y2Ba
[p(资源统计]= anovan (gydF4y2Ba___gydF4y2Ba）gydF4y2Ba
[p(资源统计、条款]= anovan (gydF4y2Ba___gydF4y2Ba）gydF4y2Ba

描述gydF4y2Ba

例子gydF4y2Ba

pgydF4y2Ba= anovan (gydF4y2BaygydF4y2Ba，gydF4y2Ba集团gydF4y2Ba）gydF4y2Ba返回的向量gydF4y2BapgydF4y2Ba-values，每个术语一个，用于multiway (gydF4y2BangydF4y2Ba-way)方差分析(ANOVA)用于检验多因素对向量均值的影响gydF4y2BaygydF4y2Ba．gydF4y2Ba

anovangydF4y2Ba还显示了一个显示标准方差分析表的图。gydF4y2Ba

例子gydF4y2Ba

pgydF4y2Ba= anovan (gydF4y2BaygydF4y2Ba，gydF4y2Ba集团gydF4y2Ba，gydF4y2Ba名称,值gydF4y2Ba）gydF4y2Ba返回的向量gydF4y2BapgydF4y2Ba-value for multiway (gydF4y2BangydF4y2Ba-way)使用一个或多个指定的附加选项进行方差分析gydF4y2Ba名称,值gydF4y2Ba对参数。gydF4y2Ba

例如，您可以指定哪个预测变量是连续的(如果有的话)，或者指定要使用的平方和的类型。gydF4y2Ba

［gydF4y2BapgydF4y2Ba，gydF4y2Ba资源描述gydF4y2Ba) = anovan (gydF4y2Ba___gydF4y2Ba）gydF4y2Ba返回单元格数组中的ANOVA表(包括因子标签)gydF4y2Ba资源描述gydF4y2Ba对于前面语法中指定的任何输入参数。方法将ANOVA表的文本版本复制到剪贴板gydF4y2Ba复制文本gydF4y2Ba项gydF4y2Ba编辑gydF4y2Ba菜单。gydF4y2Ba

例子gydF4y2Ba

［gydF4y2BapgydF4y2Ba，gydF4y2Ba资源描述gydF4y2Ba，gydF4y2Ba统计数据gydF4y2Ba) = anovan (gydF4y2Ba___gydF4y2Ba）gydF4y2Ba返回一个gydF4y2Ba统计数据gydF4y2Ba结构，可用于执行gydF4y2Ba多重比较检验gydF4y2Ba，这使您能够确定哪对组的平均值是显著不同的。方法可以执行这样的测试gydF4y2BamultcomparegydF4y2Ba函数通过提供gydF4y2Ba统计数据gydF4y2Ba结构作为输入。gydF4y2Ba

［gydF4y2BapgydF4y2Ba，gydF4y2Ba资源描述gydF4y2Ba，gydF4y2Ba统计数据gydF4y2Ba，gydF4y2Ba条款gydF4y2Ba) = anovan (gydF4y2Ba___gydF4y2Ba）gydF4y2Ba返回在方差分析计算中使用的主项和交互项gydF4y2Ba条款gydF4y2Ba．gydF4y2Ba

例子gydF4y2Ba

全部折叠gydF4y2Ba

打开生活的脚本gydF4y2Ba

加载样例数据。gydF4y2Ba

Y = [52.7 57.5 45.9 44.5 53.0 57.0 45.9 44.0]';G1 = [1 2 1 2 1 2 1 2];g2 = {gydF4y2Ba“嗨”gydF4y2Ba；gydF4y2Ba“嗨”gydF4y2Ba；gydF4y2Ba“罗”gydF4y2Ba；gydF4y2Ba“罗”gydF4y2Ba；gydF4y2Ba“嗨”gydF4y2Ba；gydF4y2Ba“嗨”gydF4y2Ba；gydF4y2Ba“罗”gydF4y2Ba；gydF4y2Ba“罗”gydF4y2Ba};g3 = {gydF4y2Ba“可能”gydF4y2Ba；gydF4y2Ba“可能”gydF4y2Ba；gydF4y2Ba“可能”gydF4y2Ba；gydF4y2Ba“可能”gydF4y2Ba；gydF4y2Ba“6月”gydF4y2Ba；gydF4y2Ba“6月”gydF4y2Ba；gydF4y2Ba“6月”gydF4y2Ba；gydF4y2Ba“6月”gydF4y2Ba};gydF4y2Ba

ygydF4y2Ba响应向量和gydF4y2Bag1gydF4y2Ba，gydF4y2Bag2gydF4y2Ba,gydF4y2Bag3gydF4y2Ba是分组变量(因子)。每个因素都有两个层次，而每一个观察都在gydF4y2BaygydF4y2Ba是由因素水平的组合确定的。例如,观察gydF4y2Bay (1)gydF4y2Ba与因子的1级有关gydF4y2Bag1gydF4y2Ba、水平gydF4y2Ba“嗨”gydF4y2Ba的因素gydF4y2Bag2gydF4y2Ba,和水平gydF4y2Ba“可能”gydF4y2Ba的因素gydF4y2Bag3gydF4y2Ba．同样,观察gydF4y2Bay (6)gydF4y2Ba与第2级因子有关gydF4y2Bag1gydF4y2Ba、水平gydF4y2Ba“嗨”gydF4y2Ba的因素gydF4y2Bag2gydF4y2Ba,和水平gydF4y2Ba“6月”gydF4y2Ba的因素gydF4y2Bag3gydF4y2Ba．gydF4y2Ba

测试所有因素水平的响应是否相同。gydF4y2Ba

p = anovan (y, {g1, g2, g3})gydF4y2Ba

{

p =gydF4y2Ba3×1gydF4y2Ba0.4174 0.0028 0.9140gydF4y2Ba

在方差分析表中，gydF4y2BaX1gydF4y2Ba，gydF4y2BaX2gydF4y2Ba,gydF4y2BaX3gydF4y2Ba对应于这些因素gydF4y2Bag1gydF4y2Ba，gydF4y2Bag2gydF4y2Ba,gydF4y2Bag3gydF4y2Ba,分别。的gydF4y2BapgydF4y2Ba-value 0.4174表示因子第1级和第2级的平均响应gydF4y2Bag1gydF4y2Ba没有显著差异。类似地,gydF4y2BapgydF4y2Ba-value 0.914表示对水平的平均响应gydF4y2Ba“可能”gydF4y2Ba而且gydF4y2Ba“6月”gydF4y2Ba的因子gydF4y2Bag3gydF4y2Ba没有显著差异。然而,gydF4y2BapgydF4y2Ba-value 0.0028小到足以得出结论，两个水平的平均反应显著不同，gydF4y2Ba“嗨”gydF4y2Ba而且gydF4y2Ba“罗”gydF4y2Ba的因素gydF4y2Bag2gydF4y2Ba．默认情况下,gydF4y2BaanovangydF4y2Ba计算gydF4y2BapgydF4y2Ba-值仅用于三个主要效果。gydF4y2Ba

测试两因素的相互作用。这次指定变量名。gydF4y2Ba

P = anovan(y，{g1 g2 g3}，gydF4y2Ba“模型”gydF4y2Ba，gydF4y2Ba“互动”gydF4y2Ba，gydF4y2Ba“varnames”gydF4y2Ba，{gydF4y2Bag1的gydF4y2Ba，gydF4y2Ba“g2”gydF4y2Ba，gydF4y2Ba“g3”gydF4y2Ba})gydF4y2Ba

{

p =gydF4y2Ba6×1gydF4y2Ba0.0347 0.0048 0.2578 0.0158 0.1444 0.5000gydF4y2Ba

相互作用项用gydF4y2Bag1 * g2gydF4y2Ba，gydF4y2Bag1 * g3gydF4y2Ba,gydF4y2Bag2 * g3gydF4y2Ba在方差分析表中。的前三项gydF4y2BapgydF4y2Ba是gydF4y2BapgydF4y2Ba-主要效果的值。最后三个条目是gydF4y2BapgydF4y2Ba-双向交互的值。的gydF4y2BapgydF4y2Ba-value的0.0158表示gydF4y2Bag1gydF4y2Ba而且gydF4y2Bag2gydF4y2Ba是显著的。的gydF4y2BapgydF4y2Ba- 0.1444和0.5表示相应的相互作用不显著。gydF4y2Ba

打开生活的脚本gydF4y2Ba

加载样例数据。gydF4y2Ba

负载gydF4y2BacarbiggydF4y2Ba

该数据对406辆汽车进行了测量。的变量gydF4y2BaorggydF4y2Ba显示了这些车的生产地gydF4y2Ba当gydF4y2Ba显示了汽车是哪一年生产的。gydF4y2Ba

研究一下汽车的生产时间和产地对行驶里程的影响。还要在模型中包含双向交互。gydF4y2Ba

p = anovan(MPG，{org when}，gydF4y2Ba“模型”gydF4y2Ba2,gydF4y2Ba“varnames”gydF4y2Ba，{gydF4y2Ba“起源”gydF4y2Ba，gydF4y2Ba“制造日期”gydF4y2Ba})gydF4y2Ba

{

p =gydF4y2Ba3×1gydF4y2Ba0.0000 0.0000 0.3059gydF4y2Ba

的gydF4y2Ba“模型”,2gydF4y2Ba名值对参数表示双向交互。的gydF4y2BapgydF4y2Ba-值为交互项0.3059，并不小，表明几乎没有证据表明制造时间的影响(gydF4y2Ba制造日期gydF4y2Ba这取决于汽车的产地。gydF4y2Ba起源gydF4y2Ba)。然而，产地和生产日期的主要影响都是显著的gydF4y2BapgydF4y2Ba值是0。gydF4y2Ba

打开生活的脚本gydF4y2Ba

加载样例数据。gydF4y2Ba

Y = [52.7 57.5 45.9 44.5 53.0 57.0 45.9 44.0]';G1 = [1 2 1 2 1 2 1 2];g2 = [gydF4y2Ba“嗨”gydF4y2Ba“嗨”gydF4y2Ba“罗”gydF4y2Ba“罗”gydF4y2Ba“嗨”gydF4y2Ba“嗨”gydF4y2Ba“罗”gydF4y2Ba“罗”gydF4y2Ba];g3 = [gydF4y2Ba“可能”gydF4y2Ba“可能”gydF4y2Ba“可能”gydF4y2Ba“可能”gydF4y2Ba“6月”gydF4y2Ba“6月”gydF4y2Ba“6月”gydF4y2Ba“6月”gydF4y2Ba];gydF4y2Ba

ygydF4y2Ba响应向量和gydF4y2Bag1gydF4y2Ba，gydF4y2Bag2gydF4y2Ba,gydF4y2Bag3gydF4y2Ba是分组变量(因子)。每个因素都有两个层次，而每一个观察都在gydF4y2BaygydF4y2Ba是由因素水平的组合确定的。例如,观察gydF4y2Bay (1)gydF4y2Ba与因子的1级有关gydF4y2Bag1gydF4y2Ba、水平gydF4y2Ba嗨gydF4y2Ba的因素gydF4y2Bag2gydF4y2Ba,和水平gydF4y2Ba五月gydF4y2Ba的因素gydF4y2Bag3gydF4y2Ba．同样,观察gydF4y2Bay (6)gydF4y2Ba与第2级因子有关gydF4y2Bag1gydF4y2Ba、水平gydF4y2Ba嗨gydF4y2Ba的因素gydF4y2Bag2gydF4y2Ba,和水平gydF4y2Ba6月gydF4y2Ba的因素gydF4y2Bag3gydF4y2Ba．gydF4y2Ba

测试所有因素水平的响应是否相同。还要计算多个比较测试所需的统计信息。gydF4y2Ba

[~，~，stats] = anovan(y，{g1 g2 g3}，gydF4y2Ba“模型”gydF4y2Ba，gydF4y2Ba“互动”gydF4y2Ba，gydF4y2Ba.．.gydF4y2Ba“Varnames”gydF4y2Ba，[gydF4y2Ba“g1”gydF4y2Ba，gydF4y2Ba“两国集团”gydF4y2Ba，gydF4y2Ba“g3”gydF4y2Ba]);gydF4y2Ba

{

的gydF4y2BapgydF4y2Ba-value of 0.2578表示对水平的平均响应gydF4y2Ba五月gydF4y2Ba而且gydF4y2Ba6月gydF4y2Ba的因素gydF4y2Bag3gydF4y2Ba没有显著差异。的gydF4y2BapgydF4y2Ba-value of 0.0347表示对水平的平均响应gydF4y2Ba1gydF4y2Ba而且gydF4y2Ba2gydF4y2Ba的因素gydF4y2Bag1gydF4y2Ba是明显不同的。类似地,gydF4y2BapgydF4y2Ba-value的0.0048表示水平的平均响应gydF4y2Ba嗨gydF4y2Ba而且gydF4y2Ba罗gydF4y2Ba的因素gydF4y2Bag2gydF4y2Ba是明显不同的。gydF4y2Ba

执行多重比较检验，找出哪组因素gydF4y2Bag1gydF4y2Ba而且gydF4y2Bag2gydF4y2Ba是明显不同的。gydF4y2Ba

[结果,~,~,gnames] = multcompare(统计,gydF4y2Ba“维度”gydF4y2Ba[1, 2]);gydF4y2Ba

图总体边际均值的多重比较包含一个坐标轴对象。单击要测试的组的带有标题的axes对象包含9个类型为line的对象。gydF4y2Ba

您可以通过单击组的对应比较间隔来测试其他组。你点击的工具条会变成蓝色。显著差异组的柱状图为红色。没有显著差异的组的柱状图是灰色的。例如，如果单击级别组合的比较间隔gydF4y2Ba1gydF4y2Ba的gydF4y2Bag1gydF4y2Ba和水平gydF4y2Ba罗gydF4y2Ba的gydF4y2Bag2gydF4y2Ba，为水平组合的比较区间gydF4y2Ba2gydF4y2Ba的gydF4y2Bag1gydF4y2Ba和水平gydF4y2Ba罗gydF4y2Ba的gydF4y2Bag2gydF4y2Ba重叠，因此是灰色的。相反，其他比较区间为红色，表示差异显著。gydF4y2Ba

在表格中显示多个比较结果和对应的组名。gydF4y2Ba

台= array2table(结果,gydF4y2Ba“VariableNames”gydF4y2Ba，gydF4y2Ba.．.gydF4y2Ba［gydF4y2Ba“组”gydF4y2Ba，gydF4y2Ba“B组”gydF4y2Ba，gydF4y2Ba“下限”gydF4y2Ba，gydF4y2Ba“a - b”gydF4y2Ba，gydF4y2Ba“上限”gydF4y2Ba，gydF4y2Ba“假定值”gydF4y2Ba]);资源描述。（gydF4y2Ba“组”gydF4y2Ba) = gnames(资源描述。（gydF4y2Ba“组”gydF4y2Ba));资源描述。（gydF4y2Ba“B组”gydF4y2Ba) = gnames(资源描述。（gydF4y2Ba“B组”gydF4y2Ba）)gydF4y2Ba
台=gydF4y2Ba6×6表gydF4y2BaA组B组下限A - B假定值上限  ______________ ______________ ___________ _____ ___________ _________ {' g1 = 1, g2 =你好'}{的g1 = 2, g2 =你好'}-6.8604 -4.4 -1.9396 0.027249{的g1 = 1, g2 =你好'}{“g1 = 1, g2 = lo”}4.4896 6.95 9.4104 0.016983{的g1 = 1, g2 =你好'}{“g1 = 2, g2 = lo”}6.1396 8.6 11.06 0.013586{的g1 = 2, g2 =你好'}{“g1 = 1, g2 = lo”}8.8896 11.35 13.81 0.010114{的g1 = 2, g2 =你好'}{“g1 = 2, g2 = lo”}10.54 13 15.46 - 0.0087375{“g1 = 1, g2 = lo”}{“g1 = 2, g2 = lo”}-0.8104 1.65 4.1104 0.07375gydF4y2Ba

的gydF4y2BamultcomparegydF4y2Ba函数比较两个分组变量的组(级)的组合，gydF4y2Bag1gydF4y2Ba而且gydF4y2Bag2gydF4y2Ba．例如，矩阵的第一行表示组合水平gydF4y2Ba1gydF4y2Ba的gydF4y2Bag1gydF4y2Ba和水平gydF4y2Ba嗨gydF4y2Ba的gydF4y2Bag2gydF4y2Ba是否与水平组合的平均响应值相同gydF4y2Ba2gydF4y2Ba的gydF4y2Bag1gydF4y2Ba和水平gydF4y2Ba嗨gydF4y2Ba的gydF4y2Bag2gydF4y2Ba．的gydF4y2BapgydF4y2Ba-value对应的test isgydF4y2Ba0.0272gydF4y2Ba，这表明平均反应有显著差异。您也可以在图中看到这个结果。蓝色条表示水平组合的平均响应的比较区间gydF4y2Ba1gydF4y2Ba的gydF4y2Bag1gydF4y2Ba和水平gydF4y2Ba嗨gydF4y2Ba的gydF4y2Bag2gydF4y2Ba．红色条是其他组组合的平均反应的比较区间。红色条形图与蓝色条形图没有重叠，这表示水平组合的平均响应gydF4y2Ba1gydF4y2Ba的gydF4y2Bag1gydF4y2Ba和水平gydF4y2Ba嗨gydF4y2Ba的gydF4y2Bag2gydF4y2Ba与其他组组合的平均反应显著不同。gydF4y2Ba

输入参数gydF4y2Ba

全部折叠gydF4y2Ba

示例数据，指定为数值向量。gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

对变量进行分组，即对观察结果的因子和因子水平进行分组gydF4y2BaygydF4y2Ba，指定为单元格数组。每一个细胞gydF4y2Ba集团gydF4y2Ba包含确定观察结果的因素级别列表gydF4y2BaygydF4y2Ba对于其中一个因子。每个单元格中的列表可以是类别数组、数字向量、字符矩阵、字符串数组或字符向量的单列单元格数组，并且必须具有相同数量的元素gydF4y2BaygydF4y2Ba．gydF4y2Ba

ygydF4y2Ba ＝gydF4y2Ba ［gydF4y2Ba ygydF4y2Ba 1gydF4y2Ba ，gydF4y2Ba ygydF4y2Ba 2gydF4y2Ba ，gydF4y2Ba ygydF4y2Ba 3.gydF4y2Ba ，gydF4y2Ba ygydF4y2Ba 4gydF4y2Ba ，gydF4y2Ba ygydF4y2Ba 5gydF4y2Ba ，gydF4y2Ba ⋯gydF4y2Ba ，gydF4y2Ba ygydF4y2Ba NgydF4y2Ba ］gydF4y2Ba ”gydF4y2Ba ↑gydF4y2Ba ↑gydF4y2Ba ↑gydF4y2Ba ↑gydF4y2Ba ↑gydF4y2Ba ↑gydF4y2Ba ggydF4y2Ba 1gydF4y2Ba ＝gydF4y2Ba ｛gydF4y2Ba ＇gydF4y2Ba 一个gydF4y2Ba ＇gydF4y2Ba ，gydF4y2Ba ＇gydF4y2Ba 一个gydF4y2Ba ＇gydF4y2Ba ，gydF4y2Ba ＇gydF4y2Ba CgydF4y2Ba ＇gydF4y2Ba ，gydF4y2Ba ＇gydF4y2Ba BgydF4y2Ba ＇gydF4y2Ba ，gydF4y2Ba ＇gydF4y2Ba BgydF4y2Ba ＇gydF4y2Ba ，gydF4y2Ba ⋯gydF4y2Ba ，gydF4y2Ba ＇gydF4y2Ba DgydF4y2Ba ＇gydF4y2Ba ｝gydF4y2Ba ggydF4y2Ba 2gydF4y2Ba ＝gydF4y2Ba ［gydF4y2Ba 1gydF4y2Ba 2gydF4y2Ba 1gydF4y2Ba 3.gydF4y2Ba 1gydF4y2Ba ⋯gydF4y2Ba ，gydF4y2Ba 2gydF4y2Ba ］gydF4y2Ba ggydF4y2Ba 3.gydF4y2Ba ＝gydF4y2Ba ｛gydF4y2Ba ＇gydF4y2Ba 嗨gydF4y2Ba ＇gydF4y2Ba ，gydF4y2Ba ＇gydF4y2Ba 中期gydF4y2Ba ＇gydF4y2Ba ，gydF4y2Ba ＇gydF4y2Ba 低gydF4y2Ba ＇gydF4y2Ba ，gydF4y2Ba ＇gydF4y2Ba 中期gydF4y2Ba ＇gydF4y2Ba ，gydF4y2Ba ＇gydF4y2Ba 嗨gydF4y2Ba ＇gydF4y2Ba ，gydF4y2Ba ⋯gydF4y2Ba ，gydF4y2Ba ＇gydF4y2Ba 低gydF4y2Ba ＇gydF4y2Ba ｝gydF4y2Ba

默认情况下,gydF4y2BaanovangydF4y2Ba将所有分组变量视为固定效果。gydF4y2Ba

例如，在一项研究中，您想调查性别、学校和教育方法对小学生学业成功的影响，那么您可以指定分组变量如下。gydF4y2Ba

例子:gydF4y2Ba{“性别”,“学校”,“方法”}gydF4y2Ba

数据类型:gydF4y2Ba细胞gydF4y2Ba

名称-值参数gydF4y2Ba

指定可选参数对为gydF4y2BaName1 = Value1,…,以=家gydF4y2Ba,在那里gydF4y2Ba的名字gydF4y2Ba参数名称和gydF4y2Ba价值gydF4y2Ba对应的值。名-值参数必须出现在其他参数之后，但对的顺序并不重要。gydF4y2Ba

在R2021a之前，名称和值之间用逗号隔开，并括起来gydF4y2Ba的名字gydF4y2Ba在报价。gydF4y2Ba

例子:gydF4y2Ba“阿尔法”,0.01,“模型”,“互动”、“sstype”,2gydF4y2Ba指定gydF4y2BaanovangydF4y2Ba使用II型平方和计算主要效应和双向作用的99%置信边界和p值。gydF4y2Ba

置信界限的显著性水平，指定为逗号分隔的对，由gydF4y2Ba“α”gydF4y2Ba和一个范围为0到1的标量值。对于值α，置信水平为100*(1 -α)%。gydF4y2Ba

例子:gydF4y2Ba“阿尔法”,0.01gydF4y2Ba对应于99%置信区间gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

连续预测器的指示符，表示哪些分组变量应被视为连续预测器而不是类别预测器，指定为逗号分隔的对，由gydF4y2Ba“连续”gydF4y2Ba还有一个有指标的向量。gydF4y2Ba

例如，如果有三个分组变量，而第二个是连续的，那么您可以如下所示指定。gydF4y2Ba

例子:gydF4y2Ba“连续”,[2]gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

用于显示ANOVA表的指示器，由逗号分隔的对组成gydF4y2Ba“显示”gydF4y2Ba而且gydF4y2Ba“上”gydF4y2BaorgydF4y2Ba“关闭”gydF4y2Ba．当gydF4y2Ba“显示”gydF4y2Ba是gydF4y2Ba“关闭”gydF4y2Ba，gydF4y2BaanovangydF4y2Ba只返回输出参数，不以图的形式显示标准ANOVA表。gydF4y2Ba

例子:gydF4y2Ba“显示”,“关闭”gydF4y2Ba

模型的类型，指定为逗号分隔的对，由gydF4y2Ba“模型”gydF4y2Ba和以下其中之一:gydF4y2Ba

  • “线性”gydF4y2Ba——默认gydF4y2Ba“线性”gydF4y2Ba模型只计算gydF4y2BapgydF4y2Ba的零假设值gydF4y2BaNgydF4y2Ba主要的影响。gydF4y2Ba

  • “互动”gydF4y2Ba- - -gydF4y2Ba“互动”gydF4y2Ba模型计算gydF4y2BapgydF4y2Ba的零假设的值gydF4y2BaNgydF4y2Ba主要效果和gydF4y2Ba （gydF4y2Ba NgydF4y2Ba 2gydF4y2Ba ）gydF4y2Ba 双因素交互。gydF4y2Ba

  • “全部”gydF4y2Ba- - -gydF4y2Ba“全部”gydF4y2Ba模型计算gydF4y2BapgydF4y2Ba的零假设的值gydF4y2BaNgydF4y2Ba所有级别的主要效果和相互作用。gydF4y2Ba

  • 整数—对于的整数值gydF4y2BakgydF4y2Ba, (gydF4y2BakgydF4y2Ba≤gydF4y2BaNgydF4y2Ba)为模型类型，gydF4y2BaanovangydF4y2Ba方法计算所有交互级别gydF4y2BakgydF4y2Ba水平。例如，值3表示主要影响加上两个和三个因素的相互作用。的值gydF4y2BakgydF4y2Ba= 1,gydF4y2BakgydF4y2Ba= 2等价于gydF4y2Ba“线性”gydF4y2Ba而且gydF4y2Ba“互动”gydF4y2Ba规范,分别。的值gydF4y2BakgydF4y2Ba＝gydF4y2BaNgydF4y2Ba等于gydF4y2Ba“全部”gydF4y2Ba规范。gydF4y2Ba

  • 的输入形式相同的术语定义矩阵gydF4y2Bax2fxgydF4y2Ba函数。所有条目必须是gydF4y2Ba0gydF4y2BaorgydF4y2Ba1gydF4y2Ba(没有更高的权力)。gydF4y2Ba

    为了更精确的控制主和交互项gydF4y2BaanovangydF4y2Ba计算时，您可以为每个主项或交互项指定包含一行的矩阵，并将其包含在ANOVA模型中。每一行使用向量定义一个项gydF4y2BaNgydF4y2Ba0和1。下表说明了因子三因子方差分析的编码gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba,gydF4y2BaCgydF4y2Ba．gydF4y2Ba

    矩阵的行gydF4y2Ba 方差分析的术语gydF4y2Ba

    (1 0 0)gydF4y2Ba

    主要的术语gydF4y2Ba一个gydF4y2Ba

    (0 1 0)gydF4y2Ba

    主要的术语gydF4y2BaBgydF4y2Ba

    (0 0 1)gydF4y2Ba

    主要的术语gydF4y2BaCgydF4y2Ba

    (1 1 0)gydF4y2Ba

    相互作用项gydF4y2BaABgydF4y2Ba

    (1 0 1)gydF4y2Ba

    相互作用项gydF4y2Ba交流gydF4y2Ba

    (0 1 1)gydF4y2Ba

    相互作用项gydF4y2Ba公元前gydF4y2Ba

    (1 1 1)gydF4y2Ba

    相互作用项gydF4y2Ba美国广播公司gydF4y2Ba

    例如，如果有三个因素gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba,gydF4y2BaCgydF4y2Ba,gydF4y2Ba'model'，[0 1 0;0 0 1;0 1 1]gydF4y2Ba,然后gydF4y2BaanovangydF4y2Ba测试主要效果gydF4y2BaBgydF4y2Ba而且gydF4y2BaCgydF4y2Ba，以及交互效应gydF4y2Ba公元前gydF4y2Ba,分别。gydF4y2Ba

    生成术语矩阵的一种简单方法是修改gydF4y2Ba条款gydF4y2Ba输出，它使用上面描述的格式对当前模型中的术语进行编码。如果gydF4y2BaanovangydF4y2Ba返回gydF4y2Ba[0 1 0;0 0 1;0 1 1]gydF4y2Ba为gydF4y2Ba条款gydF4y2Ba例如，两者之间没有显著的相互作用gydF4y2Ba公元前gydF4y2Ba，然后你可以只计算主要效应的方差分析gydF4y2BaBgydF4y2Ba而且gydF4y2BaCgydF4y2Ba通过指定gydF4y2Ba[0 1 0;0 0 1]gydF4y2Ba为gydF4y2Ba模型gydF4y2Ba．gydF4y2Ba

例子:gydF4y2Ba'model'，[0 1 0;0 0 1;0 1 1]gydF4y2Ba

例子:gydF4y2Ba“模型”、“互动”gydF4y2Ba

数据类型:gydF4y2Ba字符gydF4y2Ba|gydF4y2Ba字符串gydF4y2Ba|gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

分组变量之间的嵌套关系，指定为逗号分隔的对，由gydF4y2Ba“嵌套”gydF4y2Ba和一个矩阵gydF4y2Ba米gydF4y2Ba0和1，也就是。gydF4y2Ba米gydF4y2Ba（gydF4y2Ba我gydF4y2Ba，gydF4y2BajgydF4y2Ba) = 1如果变量gydF4y2Ba我gydF4y2Ba嵌套在变量中gydF4y2BajgydF4y2Ba．gydF4y2Ba

不能指定在连续变量中嵌套。gydF4y2Ba

例如，如果有两个分组变量District和School，其中School嵌套在District中，那么可以如下表示这种关系。gydF4y2Ba

例子:gydF4y2Ba“嵌套”,[0 0、1 0]gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

随机变量的指示符，表示哪些分组变量是随机的，指定为逗号分隔的对，由gydF4y2Ba“随机”gydF4y2Ba还有一个有指标的向量。默认情况下,gydF4y2BaanovangydF4y2Ba将所有分组变量视为固定的。gydF4y2Ba

anovangydF4y2Ba如果交互项中的任何变量是随机的，则将交互项视为随机的。gydF4y2Ba

例子:gydF4y2Ba“随机”,[3]gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

和平方和的类型，指定为逗号分隔的对，由gydF4y2Ba“sstype”gydF4y2Ba和下面的:gydF4y2Ba

  • 1 -类型I的平方和。通过将该项添加到已包含其前面列出的项的拟合中而得到的剩余平方和的减少。gydF4y2Ba

  • 2 - II型平方和。将该项加到由所有不包含该项的其他项组成的模型中而得到的剩余平方和的减少。gydF4y2Ba

  • 3 - III型平方和。通过将该项添加到包含所有其他项的模型中，但其效果受限于通常的“西格玛限制”，从而获得的剩余平方和的减少。gydF4y2Ba

  • “h”gydF4y2Ba——层次模型。类似于类型2，但使用连续和范畴因素来确定术语的层次结构。gydF4y2Ba

任何一项的平方和都是通过比较两个模型确定的。对于一个包含主要效应但没有相互作用的模型，的值gydF4y2BasstypegydF4y2Ba只影响不平衡数据的计算。gydF4y2Ba

假设您正在拟合一个包含两个因素及其相互作用的模型，其中的项按顺序出现gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba，gydF4y2BaABgydF4y2Ba．让gydF4y2BaRgydF4y2Ba(·)表示模型的残差平方和。所以,gydF4y2BaRgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba，gydF4y2BaABgydF4y2Ba为拟合整个模型的残差平方和，gydF4y2BaRgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba)为拟合主效应的残差平方和gydF4y2Ba一个gydF4y2Ba只有,gydF4y2BaRgydF4y2Ba(1)为仅拟合均值的残差平方和。三种平方和类型如下:gydF4y2Ba

术语gydF4y2Ba 类型1平方和gydF4y2Ba 类型2平方和gydF4y2Ba 类型3平方和gydF4y2Ba

一个gydF4y2Ba

RgydF4y2Ba(1) -gydF4y2BaRgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba）gydF4y2Ba

RgydF4y2Ba（gydF4y2BaBgydF4y2Ba) - - -gydF4y2BaRgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba）gydF4y2Ba

RgydF4y2Ba（gydF4y2BaBgydF4y2Ba，gydF4y2BaABgydF4y2Ba) - - -gydF4y2BaRgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba，gydF4y2BaABgydF4y2Ba）gydF4y2Ba

BgydF4y2Ba

RgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba) - - -gydF4y2BaRgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba）gydF4y2Ba

RgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba) - - -gydF4y2BaRgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba）gydF4y2Ba

RgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaABgydF4y2Ba) - - -gydF4y2BaRgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba，gydF4y2BaABgydF4y2Ba）gydF4y2Ba

ABgydF4y2Ba

RgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba) - - -gydF4y2BaRgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba，gydF4y2BaABgydF4y2Ba）gydF4y2Ba

RgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba) - - -gydF4y2BaRgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba，gydF4y2BaABgydF4y2Ba）gydF4y2Ba

RgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba) - - -gydF4y2BaRgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba，gydF4y2BaABgydF4y2Ba）gydF4y2Ba

第3类平方和的模型有强加的西格玛限制。这意味着，例如，在拟合gydF4y2BaRgydF4y2Ba（gydF4y2BaBgydF4y2Ba，gydF4y2BaABgydF4y2Ba)，的数组gydF4y2BaABgydF4y2BaEffects的和被限制为0除以gydF4y2Ba一个gydF4y2Ba的每一个值gydF4y2BaBgydF4y2Ba,在gydF4y2BaBgydF4y2Ba的每一个值gydF4y2Ba一个gydF4y2Ba．gydF4y2Ba

例子:gydF4y2Ba“sstype”、“h”gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba|gydF4y2Ba字符gydF4y2Ba|gydF4y2Ba字符串gydF4y2Ba

分组变量的名称，指定为逗号分隔对，由gydF4y2Ba“varnames”gydF4y2Ba一个字符矩阵，一个字符串数组，或者一个字符向量的单元格数组。gydF4y2Ba

例子:gydF4y2Bavarnames,{“性别”,“城市”}gydF4y2Ba

数据类型:gydF4y2Ba字符gydF4y2Ba|gydF4y2Ba字符串gydF4y2Ba|gydF4y2Ba细胞gydF4y2Ba

输出参数gydF4y2Ba

全部折叠gydF4y2Ba

pgydF4y2Ba-values，作为一个向量返回。gydF4y2Ba

输出向量gydF4y2BapgydF4y2Ba包含gydF4y2BapgydF4y2Ba的零假设值gydF4y2BaNgydF4y2Ba指定的主要效果和任何交互条款。元素gydF4y2Ba(1页)gydF4y2Ba包含了gydF4y2BapgydF4y2Ba-值为零假设的样本在所有水平的因素gydF4y2Ba一个gydF4y2Ba都来自相同的人群;元素gydF4y2Ba(2页)gydF4y2Ba包含了gydF4y2BapgydF4y2Ba-值为零假设的样本在所有水平的因素gydF4y2BaBgydF4y2Ba都来自相同的人群;等等。gydF4y2Ba

例如，如果有三个因素gydF4y2Ba一个gydF4y2Ba，gydF4y2BaBgydF4y2Ba,gydF4y2BaCgydF4y2Ba,gydF4y2Ba'model'，[0 1 0;0 0 1;0 1 1]gydF4y2Ba，则输出向量gydF4y2BapgydF4y2Ba包含了gydF4y2BapgydF4y2Ba-主效应零假设的值gydF4y2BaBgydF4y2Ba而且gydF4y2BaCgydF4y2Ba以及相互作用效应gydF4y2Ba公元前gydF4y2Ba,分别。gydF4y2Ba

一个足够小的gydF4y2BapgydF4y2Ba-value对应一个因子表明至少有一组均值与另一组均值显著不同;也就是说，这个因素有一个主要的影响。声明结果重要是常见的gydF4y2BapgydF4y2Ba-value值小于0.05或0.01。gydF4y2Ba

ANOVA表，作为单元格数组返回。ANOVA表有七列:gydF4y2Ba

列名gydF4y2Ba 定义gydF4y2Ba
源gydF4y2Ba 可变性的来源。gydF4y2Ba
党卫军gydF4y2Ba 每个源的平方和。gydF4y2Ba
dfgydF4y2Ba 与每个源相关联的自由度。gydF4y2Ba
女士gydF4y2Ba 每个源的均方，也就是比值gydF4y2BaSS / dfgydF4y2Ba．gydF4y2Ba
单数?gydF4y2Ba 说明该术语是否为单数。gydF4y2Ba
FgydF4y2Ba FgydF4y2Ba-statistic，即均方之比。gydF4y2Ba
概率F >gydF4y2Ba 的gydF4y2BapgydF4y2Ba的概率gydF4y2BaFgydF4y2Ba-statistic可以接受一个大于计算的test-statistic值的值。gydF4y2BaanovangydF4y2Ba从的CDF中得到这些概率gydF4y2BaFgydF4y2Ba分布。gydF4y2Ba

如果使用名称-值对参数指定至少一个分组变量为随机变量，则ANOVA表还包含以下列gydF4y2Ba随机gydF4y2Ba：gydF4y2Ba

列名gydF4y2Ba 定义gydF4y2Ba
类型gydF4y2Ba 每个来源的类型;gydF4y2Ba“固定”gydF4y2Ba为了固定的效果或gydF4y2Ba“随机”gydF4y2Ba对于随机效应。gydF4y2Ba
预期的女士gydF4y2Ba 均方期望值的文本表示。gydF4y2Ba问(源)gydF4y2Ba表示的二次函数gydF4y2Ba源gydF4y2Ba而且gydF4y2BaV(源)gydF4y2Ba表示的方差gydF4y2Ba源gydF4y2Ba．gydF4y2Ba
分母项女士gydF4y2Ba 分母的gydF4y2BaFgydF4y2Ba统计。gydF4y2Ba
测向分母项gydF4y2Ba 分母的自由度gydF4y2BaFgydF4y2Ba统计。gydF4y2Ba
分母项。defn。gydF4y2Ba 的分母的文本表示gydF4y2BaFgydF4y2Ba统计。gydF4y2Ba女士(源)gydF4y2Ba的均方gydF4y2Ba源gydF4y2Ba．gydF4y2Ba
Var. est。gydF4y2Ba 方差分量估计。gydF4y2Ba
Var. bnd低gydF4y2Ba 方差分量估计的95%置信区间的下界。gydF4y2Ba
Var.上层bndgydF4y2Ba 方差分量估计的95%置信区间的上界。gydF4y2Ba

中要使用的统计信息gydF4y2Ba多重比较检验gydF4y2Ba使用gydF4y2BamultcomparegydF4y2Ba函数，作为结构返回。gydF4y2Ba

anovangydF4y2Ba评估一个因素(或更一般地说，一个术语)的不同组(水平)具有相同效果的假设，与它们不都具有相同效果的替代方案。有时，最好是执行一个测试来确定哪些对水平有显著差异，哪些没有。使用gydF4y2BamultcomparegydF4y2Ba函数来执行此类测试gydF4y2Ba统计数据gydF4y2Ba结构作为输入。gydF4y2Ba

的gydF4y2Ba统计数据gydF4y2Ba结构包含下面列出的字段，以及使用类进行多次比较所需的许多其他字段gydF4y2BamultcomparegydF4y2Ba功能:gydF4y2Ba

场gydF4y2Ba 描述gydF4y2Ba

多项式系数gydF4y2Ba

估计系数gydF4y2Ba

coeffnamesgydF4y2Ba

每个系数的项名称gydF4y2Ba

vargydF4y2Ba

每一项的变量值分组矩阵gydF4y2Ba

渣油gydF4y2Ba

拟合模型的残差gydF4y2Ba

的gydF4y2Ba统计数据gydF4y2Ba如果使用名称-值对参数指定至少一个分组变量为随机变量，则结构还包含以下字段gydF4y2Ba随机gydF4y2Ba：gydF4y2Ba

场gydF4y2Ba 描述gydF4y2Ba

emsgydF4y2Ba

预期的意思是广场gydF4y2Ba

分母项gydF4y2Ba

分母的定义gydF4y2Ba

rtnamesgydF4y2Ba

随机术语名称gydF4y2Ba

vargydF4y2Ba

方差分量估计(每个随机项一个)gydF4y2Ba

varcigydF4y2Ba

方差分量的置信区间gydF4y2Ba

主项和交互项，作为矩阵返回。这些项编码在输出矩阵中gydF4y2Ba条款gydF4y2Ba使用上面描述的相同格式作为输入gydF4y2Ba模型gydF4y2Ba．当你指定gydF4y2Ba模型gydF4y2Ba以这种格式返回的矩阵本身gydF4y2Ba条款gydF4y2Ba是相同的。gydF4y2Ba

参考文献gydF4y2Ba

邓恩，oj，退伍军人克拉克。gydF4y2Ba应用统计学:方差和回归分析gydF4y2Ba．纽约:Wiley, 1974。gydF4y2Ba

晚安，j。h。和f。m。斯毕德。gydF4y2Ba计算期望均方gydF4y2Ba．凯里，北卡罗来纳州:SAS研究所，1978年。gydF4y2Ba

[3] Seber, G. A. F.和A. J. Lee。gydF4y2Ba线性回归分析gydF4y2Ba．第2版。霍博肯，新泽西州:威利- interscience, 2003。gydF4y2Ba

版本历史gydF4y2Ba

之前介绍过的R2006agydF4y2Ba

另请参阅gydF4y2Ba

|gydF4y2Ba|gydF4y2Ba|gydF4y2Ba|gydF4y2Ba|gydF4y2Ba

主题gydF4y2Ba

Baidu
map