R语言单因素方差分析

R语言单因素方差分析课程报告

分析题目：

1、录入数据

chanliang<-scan()

24 30 28 26

27 24 21 26

31 28 25 30

32 33 33 28

21 22 16 21

2、形成数据框，如图

chuli<-rep(c('A1','A2','A3','A4','A5'),

c(4,4,4,4,4))

jieguo=data.frame(chanliang,chuli)

jieguo

图1

3、数据分析

fit<-aov(chanliang~chuli,data=jieguo)

summary(fit)

因为结果差异是否显著需要看数据P或Pr，若P上有符号“*”，则说明差异显著，且*越多，差异越大。由下图结果显示，Pr的数据中有三个*，说明差异非

为有多个数据，因此要进行多种

比较分析。如下。

4、对分析结果作比较

TukeyHSD(fit)

P adj越小越显著，又例如diff

中，A5-A4<0,则说明A4比较厉

害，A4比较符合预期要求。由

图可知，多种比较分析中，A5-A4

的P值最小，且A5-A4<0，A4

比较符合预期要求。

图2 5、画图（置信区间）

plot(TukeyHSD(fit))

图形说明：若图3中

Ai-Aj(i=2,3,4,5.j=1，2,3,4）经

过了0的那条虚线，则说明差异不

显著，可以对第四步的分析做检验。

由图可知，A5-A4,A5-A3,A5-A1,

A4-A2差异显著，其中A5-A4差异

最显著。由此检验图2。

图3 6、正态检验/方差齐性检验

bartlett.test(chanliang~chuli,data=jieguo)

由2图与图3对比可检验分析出所需的结论，更加实在的证明了所得结论。

方差分析满足以下3个性质：独立性（抽出来的数据不受控制、独立的）、正态性（符合正态分布）、等方差性（方差相等）。

7、线性建模

result<-lm(chanliang~chuli,data=jieguo)

library(car)

qqPlot(result,main="aa",lab="FLAST")

散点图中的点在实线的

周围，且实线在对角线

上，即说明正态分布符

合。由图4可知，实线

在对角线上且点基本在

实线周围，因此可知正

态分布合理。

图4

报告总结：由R语言的单因素方差分析可知，由3的数据分析知在不同施肥处理手段下，水稻稻谷产量存在非常显著的差异，即水稻产量的多少与施加不同的化肥有很大的关联。

其中，由4分析比较知，A5-A4存在的差异最显著，且A4最厉害，则说明用A4处理手法（施加尿素）可以使水稻产量最大化（对比其它几种施肥手法）。A5-A3<0可知A3比A5厉害，即用A3（施加碳酸氢铵）处理水稻得到的产量次之。

其中，在4分析比较中，A5-A1和A4-A2的P知一样大小，说明A5与A1、A4与A2之间的差异是一样的，然而A5-A1<0,A4-A2>0，说明A1比较厉害。

又A2-A1<0,即A1比较厉害，说明A1的氨水对稻谷产量的影响比较大。A5-A2<0，即A2也比A5厉害。

因此由5、6、7检验也可验证以上结论。由于A5是对照处理的，所以施加

尿素、碳酸氢铵、不同工艺下的氨水对水稻稻谷的产量都有促进作用，促进作用：尿素>碳酸氢铵>A1处理下的氨水>A2处理下的氨水>自来水。