R 语言经典实例（原书第 2 版）

线性回归和方差分析

｜

353

每条线都描绘了 time 和 poison 的关系。线之间的区别在于每条线代表不同的 treat

值。这些线应该是平行的，但前两条线并不完全平行。显然，改变 treat 的值会“扭

曲”线条，在 poison 和 time 之间的关系中引入了非线性关系。

这标志着我们应该检查可能存在的交互关系。对于这些数据，它只是恰巧有一个交互关

系，而在统计上并不显著。这里的经验是：可视化检验是有用的，但它并非万无一失。

随后应该跟进一个统计检查。

11.22.4 另请参阅

参见 11.7 节。

11.23 找到组间均值的差异

11.23.1 问题

将数据分组，方差分析表明这些组具有显著不同的均值。你需要知道所有组的均值之间

的差异。

11.23.2 解决方案

使用 aov 函数执行方差分析，该函数返回一个模型对象。然后将 TukeyHSD 函数应用于

该模型对象：

m <- aov(x ~ f)

TukeyHSD(m)

这里，x 是数据，f 是分组因子。你可以绘制 TukeyHSD 的结果以获得差异的图形显示：

plot(TukeyHSD(m))

11.23.3 讨论

方差分析检验非常重要，因为它可以告诉你组间均值是否有差异。但是检验没有确定

哪

些

组是不同的，并且它也不能显示它们的差异。

TukeyHSD 函数可以计算这些差异，并帮助你识别最大的均值。它使用 John Tukey 发明

的“诚实的显著性差异”方法。

通过继续讨论 11.21 节中的示例来说明函数 TukeyHSD，在 11.21 节中把每日的股票市 ...