SPSS方差分析的应用已经做得非常好了，绝大多数的方差分析问题均可通过SPSS“点菜单”的方式得以解决，R语言在统计和可视化方面有自己的特色，我们不妨来对比着学习。选用R语言自带案例数据集PlantGrowth，研究两个处理和一个对照组对植物产量的影响，每组10例共3记录，主要考察处理对提高植物产量有无影响。数据构成：因变量weight，因子变量group，三个水平依次为ctrl、trt1、trt2。01数据正态性检验用夏皮罗-威尔克检验3组数据是否服从正态分布，样本容量3~5000均可，这一点比SPSS说得更明确。语法代码：data shapiro.test(data[1:10])shapiro.test(data[11:20])shapiro.test(data[21:30])ctrl、trt1、trt2三个分组的shapiro.test检验概率p依次为0.7475、0.4519、0.5643，均大于0.05，原假设成立(H0：假设数据服从正态分布)，表明3组数据均来自正态分布总体。02方差齐次检验用bartlett.test检验3个分组数据方差是否一致。语法代码：bartlett.test(weight~group,data = PlantGrowth)直接看p-value = 0.2371>0.05，原假设成立(H0：假设3组数据方差相等)，表明3组数据的方差齐次。单因素方差分析，必须对数据正态性和方差齐次做出判断，如果不满足正态或方差齐次，则需要做出有关相应。(在《SPSS从入门到实践提高》课程中有具体讲述)03图形可视化用箱图观察一下3组数据的分布情况。04单因素方差分析用R语言aov函数完成方差分析。语法代码：dfc summary(dfc)R语言是用文本来输出结果，这一点比SPSS逊色多了，读取结果不够直观方便。方差分析表的p-value=0.0159<0.05，拒绝原假设(H0：3组样本数据均值相等，无差异)，说明3组样本均值有差异，不同处理方式对植物产量有显著影响。05多重比较既然不同处理方式对产量有显著影响，那么我们就有必要深究一下，与控制组ctrl相比，处理1组trt1和处理2组trt2哪一个方案更佳。选择Dunnett比较法。语法代码：library(multcomp)dcbj summary(dcbj)与控制组相比，trt1的产量下降了0.371，p=0.323>0.05，原假设成立(H0：trt1和ctrl产量无差异)，从绝对值来看trt产量下滑，但统计学上认为二者无差异。与控制组相比，trt2的产量提高了0.494，p=0.153>0.05，原假设成立(H0：trt2和ctrl产量无差异)，从绝对值来看trt产量虽然有所提升，但统计学上认为二者仍无差异。大家辛苦研究，统计上认为两个处理方式竟然和对照组相比没有啥差异，有点小尴尬啊。不过这种被统计拒绝，未达到显著的情况也比较常见。多重比较的方法非常多，Dunnett法没有LSD法灵敏，我们换LSD看看啥情况。语法代码：install.packages("agricolae")dfclsd dfclsd$groups输出一个可视化效果plot(dfclsd)可见，两个处理与控制组相比均无差异。和Dunnett的结论一致。如果用SPSS来做LSD的话，trt2与ctrl相比，差异检验的p值=0.088，比较接近拒绝域临界值水平0.05，如果我们将临界值调整为0.1的话，可说明处理2与对照组产量差异显著，那么在这项研究中，统计检验的拒绝域临界值水平调整为0.1是否恰当或可行，可由这个领域的研究者们讨论确定。本文认为，可以确定拒绝域显著性水平a为0.1(有90%的把握)，此时可认为处理2组trt2控制组相比差异明显，有统计学意义。本文完文/图=数据小兵

---

更多R统计文章R语言单一样本t检验案例实现20个R语言小课堂视频教程送给你R语言的正态密度曲线很美R自带pairs函数矩阵散点图car包spm函数矩阵散点图用R语言pie函数做饼图ggplot2统计图形：常见的4种箱线图ggplot2统计图形：常见的4种直方图按列索引按列名称删除指定的列数据R语言Levene方差齐次检验谁说菜鸟不会数据分析(R语言篇)table函数：分类数据的频数与频率统计jiebaR包中文分词及词云制作R语言带文字标签的散点图如何获取R自带数据集与R包数据集说明文档？如何修改R数据框的列名称？二元正态分布及双变量相关分析简单案例演示R语言相关系数、显著性检验及可视化的尝试用散点图法判断变量之间是否存在线性关系ggplot2统计图形：常见的4种散点图R语言scale()函数实现数据标准化