set.seed(10)
data=rnorm(12)
f1=rep(c(1,2),6)
f2=c(rep(1,6),rep(2,6))
summary(aov(data~f1*f2))
Df Sum Sq Mean Sq F value Pr(>F)
f1 1 0.535 0.5347 0.597 0.462
f2 1 0.002 0.0018 0.002 0.966
f1:f2 1 0.121 0.1208 0.135 0.723
Residuals 8 7.169 0.8962
summary(lm(data~f1*f2))$coeff
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.05222024 2.732756 0.0191090 0.9852221
f1 -0.17992329 1.728346 -0.1041014 0.9196514
f2 -0.62637109 1.728346 -0.3624106 0.7264325
f1:f2 0.40139439 1.093102 0.3672066 0.7229887
นี่คือรหัสที่ต่างกันสองรหัส จาก Lm model คุณต้องการสัมประสิทธิ์ ในขณะที่จากแบบจำลอง aov คุณเพียงแค่กำหนดแหล่งที่มาของการเปลี่ยนแปลง ลองรหัส
anova(lm(data~f1*f2))
Analysis of Variance Table
Response: data
Df Sum Sq Mean Sq F value Pr(>F)
f1 1 0.5347 0.53468 0.5966 0.4621
f2 1 0.0018 0.00177 0.0020 0.9657
f1:f2 1 0.1208 0.12084 0.1348 0.7230
Residuals 8 7.1692 0.89615
สิ่งนี้ทำให้การจัดระเบียบของแหล่งที่มาของการเปลี่ยนแปลงนำไปสู่ผลลัพธ์เดียวกัน
lm
รายงานอะไรในขณะที่ Type II / III ไม่ใช่ มีการอธิบายอย่างละเอียดในคำตอบของ @ gung ที่คุณเชื่อมโยง