代码实现实例 案列：单因素方差分析中，你感兴趣的是比较分类因子定义的两个或多个组别中的因变量均值。以multcomp包中的cholesterol数据集为例，50个患者均接受降低胆固醇药物治疗（trt）五种疗法中的一种疗法。其中三种治疗条件使用药物相同，分别是20mg一天一次（1time）、10mg一天两次（2times）和5mg一天四次（4times）。剩下的两种方式（drugD和drugE）代表候选药物。
> library(multcomp) > attach(cholesterol) > > # 统计各组样本大小 > table(trt) trt 1time 2times 4times drugD drugE 10 10 10 10 10 > > # 各组均值 > aggregate(response, by=list(trt), FUN=mean) Group.1 x 1 1time 5.78197 2 2times 9.22497 3 4times 12.37478 4 drugD 15.36117 5 drugE 20.94752 > > # 各组标准差 > aggregate(response, by=list(trt), FUN=sd) Group.1 x 1 1time 2.878113 2 2times 3.483054 3 4times 2.923119 4 drugD 3.454636 5 drugE 3.345003 > > # 进行方差分析 > fit <- aov(response ~ trt) > summary(fit) Df Sum Sq Mean Sq F value Pr(>F) trt 4 1351.4 337.8 32.43 9.82e-13 *** Residuals 45 468.8 10.4 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1代码实例实现 在双因素方差分析中，受试者被分配到两因子的交叉类别组中。以基础安装中的ToothGrowth数据集为例，随机分配60只豚鼠，分别采用两种喂食方法（橙汁或维生素C），各喂食方法中抗坏血酸含量有三种水平（0.5mg、1mg或2mg），每种处理方式组合都被分配10只豚鼠，牙齿长度为因变量。
> attach(ToothGrowth) > table(supp, dose) dose supp 0.5 1 2 OJ 10 10 10 VC 10 10 10 > > aggregate(len, by=list(supp, dose), FUN=mean) Group.1 Group.2 x 1 OJ 0.5 13.23 2 VC 0.5 7.98 3 OJ 1.0 22.70 4 VC 1.0 16.77 5 OJ 2.0 26.06 6 VC 2.0 26.14 > > aggregate(len, by=list(supp, dose), FUN=sd) Group.1 Group.2 x 1 OJ 0.5 4.459709 2 VC 0.5 2.746634 3 OJ 1.0 3.910953 4 VC 1.0 2.515309 5 OJ 2.0 2.655058 6 VC 2.0 4.797731 > > dose <- factor(dose) #dose变量被转换为因子变量，这样aov()函数就会将它当做一个分组变量，而不是一个数值型协变量 > # condider interactive factor > fit <- aov(len ~ supp*dose) > summary(fit) Df Sum Sq Mean Sq F value Pr(>F) supp 1 205.4 205.4 15.572 0.000231 *** dose 2 2426.4 1213.2 92.000 < 2e-16 *** supp:dose 2 108.3 54.2 4.107 0.021860 * Residuals 54 712.1 13.2 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1