Ответы:
summary(aov)
использует так называемые типы I (последовательные) суммы квадратов. summary(lm)
использует так называемые суммы квадратов типа III, что не является последовательным. См ответ гун для деталей.
Обратите внимание, что вам нужно позвонить lm(data ~ factor(f1) * factor(2))
( aov()
автоматически преобразует RHS формулы в факторы). Затем обратите внимание на знаменатель для общей статистики в линейной регрессии (см. Этот ответ для дальнейших объяснений):
β c F отличается для каждого проверенного коэффициента поскольку вектор изменяется. Напротив, знаменатель в ANOVA -test всегда MSE.
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
Это два разных кода. из модели Lm вам нужны коэффициенты. в то время как из модели AOV вы просто табулируете источники вариаций. Попробуй код
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
Это дает таблицу источников вариации, приводящих к тем же результатам.
f1
и f2
отличаются в двух сводках вашей верхней панели. Похоже, вы только показываете, summary(aov(...))
и anova(lm(...))
у R
вас есть аналогичные результаты.
lm
сообщает, а Тип II / III - нет. Это объясняется довольно подробно в ответе @ gung, на который вы ссылались.