形式如下：
输出文件如下
最新版的r语言没有方差分析表格的解决方法如下：
ANOVA对各疗法的F检验表明，4种药品用于缓解术后疼痛的疗效不同，但是并不能得出哪种药品疗法与其他不同。
多重比较可以解决这个问题.e.g. TukeyHSD()函数提供了对各组均值差异的成对检验；multcomp包中的glht()函数提供了多重均值比较更为全面的方法，既适用于线性模型，也适用于广义线性模型；多重t检验方法针对每组数据进行t检验。代码如下： TukeyHSD(medicine.aov) #par()函数旋转轴标签，增大左边界面积，使标签摆放更美观。 par(las = 2) par(mar = c(5, 8, 4, 2)) plot(TukeyHSD(medicine.aov))
图形中置信区间包含0的药品对比，说明差异不显著。 library(multcomp) #为适合字母阵列摆放，par语句用来增大顶部边界面积 par(mar = c(5, 4, 6, 2)) tuk <- glht(medicine.aov, linfct = mcp(Treatment = "Tukey")) #cld()函数中level选项为设置的显著性水平（这里的0.05对应95%置信区间） plot(cld(tuk, level = 0.05), col = "lightgrey")
有相同字母的组（用箱线图表示）说明均值差异不显著。
多次重复使用t检验会增大犯第一类错误的概率，为了克服这一缺点，需要调整p-值。R软件调整p-值用的是p.adjust()函数，函数使用的不同参数代表不同的调整方法。 attach(medicine) #求数据在各水平下的均值 mu<-c(mean(Response[Treatment==1]), mean(Response[Treatment==2]), mean(Response[Treatment==3]),mean(Response[Treatment==4]))mu #作多重t检验。这里用到的pairwise.t.test()函数用来得到多重比较的p值 pairwise.t.test(Response, Treatment, p.adjust.method = "none")
#观察两个作调整后的p值的情况。p.adjust.method()函数的参数也可换为"hochberg","hommel","bonferroni","BH","BY","fdr"等。 pairwise.t.test(Response, Treatment, p.adjust.method = "holm") #绘制箱线图 plot(medicine$Response~medicine$Treatment)
一行一行来。basic.stats <- function(x,more=F) { # 建立名叫basic.stats的函数，参数为x和more，more默认是F就是不用输入，但你也可以输入，有额外效果。
stats <- list() #建立名叫stats的列表类型变量
clean.x <- x[!is.na(x)] #把x中的NA全部踢掉，留下有用的数据记为clean.x
stats$mean <- mean(clean.x)# 计算clean.x的均值 赋给列表中的mean单元
stats$std <- sd(clean.x)# 计算clean.x的标准差 赋给列表中的std单元
stats$med <- median(clean.x) # 计算clean.x的中位数 赋给列表中的med单元
if(more) { #如果你在函数中输入2个变量，默认是basic.stats(x)，你可以输入basic.stats(x, y) 有额外效果
stats$skew <- sum(((clean.x-stats$mean)/stats$std)^3)/length(clean.x) #计算偏度 赋给列表中的skew单元
stats$kurt <- sum(((clean.x-stats$mean)/stats$std)^4)/length(clean.x) - 3 #计算峰度 赋给列表中的kurt单元
unlist(stats) #最后拆解列表变量stats 使其变为简单的向量数值变量
