用R语言进行ANOVA分析

打开.rda（rdata的简写）文件，可以用R.studio打开

#R
#对于比较不同组之间是否存在差别，用单因素方差分析法（ANOVA）

# ll
# 2019-03-14
#对于安装报错的包，可以修改镜像为china(lanzhou)
install.packages("car", dependencies=TRUE, INSTALL_opts = c('--no-lock'))
install.packages("multcomp", dependencies=TRUE, INSTALL_opts = c('--no-lock'))

library(readxl)
library(gplots)
library(car)
library(multcomp)

# read excel 打开第二个工作薄 数据格式为第一列是类别名，第二列是相对应的值 
data<-read_xlsx('C:\\Users\\guosheng\\Desktop\\name.xlsx',sheet=2)

# 统计各个类别的个数 （行标题为equ，value）
# 利用attach()来加载数据，不然在用table函数时会提示找不到对象'equ'
attach(data)
table(equ)

#各组均值
result_mean <-aggregate(val,by = list(equ),FUN= mean)

#各组标准差
result_sd <-  aggregate(val,by = list(equ),FUN= sd)

#检验组间差异（ANOVA）
fit<-aov(val~equ)
summary(fit)

# 绘制各组均值及其置信区间的图形
plotmeans(val ~ equ,xlab = 'name',ylab = 'values',mean = 'an plot\nwith 95% CI')

# 如果p<0.05时,说明各组之间有显著性差异，具体哪些组之间有显著性差异，还要进行多重比较，TukeyHSD()函数提供了对各组均值差异的成
#对检验。 注意TukeyHSD()函数与本章使用的HH包存在兼容性问题：若载入HH包，TukeyHSD()函数将会失效。对于上例，使用detach("package::HH")将它从搜寻路
#径中删除，然后再调用TukeyHSD()
TukeyHSD(fit)

#对于单因素方差分析中，我们假设因变量服从正态分布，各组方差相等。可以使用Q-Q图来检验正态性假设。
library(car)
qqPlot(lm(val~equ,data=data),simulate = TRUE, main = "QQ Plot", labels = FALSE)


#做Bartlett检验方差齐性。其他检验如Fligner-Killeen检验（fligner.test()函数）和Brown-Forsythe检验（HH包中的hov()函数）
#p值大于0.05，所以表明各组方差并没有明显不同。
 bartlett.test(val~equ,data=data)
 
#方差齐性分析对离群点非常敏感，利用car包中的outlierTest()函数来检测离群点。
library(car)
outlierTest(fit)
#No Studentized residuals with Bonferonni p < 0.05 
# 。。。并没有证据说明数据含有离群点（当p>1时将产生NA）

其他一些方法：https://blog.csdn.net/Tiaaaaa/article/details/58134868

还没有验证过，后续操作。