R语言经典实例 11章方差分析…

R语言经典实例
11章方差分析：ANOVA
m<-lm(y~u+v+w)
anova(m)给出方差分析表
coefficients(m)给出模型系数
coef(m)同上
confint(m)给出回归系数的置信区间
deviance(m)给出残差平方和
effects(m)给出正交影响向量
fitted(m)给出拟合y值的向量
residuals(m)给出模型残差
resid(m)同上
vcov(m)主要参数的方差--协方差矩阵
confint(m.level=0.99)置信区间设置为99%。
outlier.test(m)离群值

1. 普通残差与拟合值的残差图 Residuals vs Fitted
2. 正态QQ的残差图 Normal Q-Q
3. 标准化残差开方与拟合值的残差图 Scale-Location
4. cook统计量的残差图 Cook's distance
5. 学生化残差与杠杆值图 Residuals vs Leverage 残差与杠杆图
6.influence.measures(m) 识别有过度影响的观察值 星号(*)

11.20运行单因素方差分析
oneway.test(x~y)  x是一个数值向量,f是定义组的一个因子。
参数：var.equal=T得到不保守的检验；subset包含所分析观察值的索引。
    函数aov来执行单因素方差分析m<-aov(x~f)
11.21创建交互关系图
interaction.plot(pred1,pred2,resp) 前两个是分类预测变量，而resp是响应变量
11.22找到组间均值的不同
wday函数确定一周发生的天（周一到周五）
置信区间上限和下限：lwr和upr
11.23稳健方差分析函数：kruskal.test(x~f) f是一个分组因子。
Kruskal-Wallis检验：不假定正态性，假设各组有相同形状的分布。数据是非正态分布或者未知分布，可用。