步驟1：入門：

如果您的計算機上尚未存在R，則可以從官方網(wǎng)站免費下載位于：

http://cran.r-project.org/bin/windows/base/（Windows）

http://cran.r-project.org/bin/macosx/（Mac）

http://cran.r-project.org/（Linux）

選擇該版本的（32bit/64bit）版本操作系統(tǒng)的自然基礎。

打開R：

您將看到基本命令建議已打開。這是已執(zhí)行命令的日志和輸出。但是，無法對其進行編輯，使其難以使用，而是使用以下命令打開腳本窗口：

文件》》

新腳本

此窗口充當基本的文字處理器（靠近記事本），可以通過右鍵單擊一行或所選內容并運行它來編寫，編輯和執(zhí)行命令。或者，快捷鍵Control + r也將執(zhí)行一行或選擇。

注意：

您可以通過在注釋的開頭加上井號（＃）來在R中編寫注釋。步驟3中顯示了一個示例。

步驟2：讀取數(shù)據(jù)：

.csv也許是最流行的文件處理數(shù)據(jù)文件時鍵入。 .csv文件可以從excel輕松制作?；蛘?，您可以通過命名和指向變量將數(shù)據(jù)直接輸入R中（請參見輔助映像）。如果您有.csv文件，那就太好了！使用以下命令之一讀取它：

數(shù)據(jù)名稱= read.csv（“適當?shù)木W(wǎng)頁或文件目錄”）

數(shù)據(jù)名稱= read.csv（file.choose（ ））

完成此操作之后，請使用以下命令瀏覽數(shù)據(jù)：

dim（數(shù)據(jù)名稱）

str（數(shù)據(jù)名稱）

頭（數(shù)據(jù)名稱）

附加（數(shù)據(jù)名稱）

注意：

您將需要運行附加，否則需要R不會知道您要指的是什么數(shù)據(jù)集。

第3步：運行ANOVA測試：

您做的很棒！您已經(jīng)接近完成一個獨立變量ANOVA測試。

使用以下R命令運行方差分析：

name = aov（y variable?x variable）＃運行ANOVA測試。 》 ls（name）＃列出測試存儲的項目。

summary（name）＃給出基本的方差分析輸出。

圖像中的示例將卡路里作為因變量y與一個自變量進行比較（在此示例中為糖）。

注意：

如果R找不到指定的變量，請確保標點符號匹配并且您已經(jīng)執(zhí)行了‘a(chǎn)ttach（data）’命令。

步驟4：然后是一個自變量

具有多個自變量x1，x2到xn的情況是一個簡單的變化。 br》修改代碼，使自變量成為在它們之間帶有星號（*）的乘積：

name = aov（y?x1 * x2 * xn）

步驟5：解釋數(shù)據(jù)：

讓我們從中獲取多元模型第4步。在這里，我們嘗試用糖，卡路里，脂肪，蛋白質以及它們彼此之間的相互作用（糖* CalFat，糖*蛋白質，CalFat *蛋白質和糖* CalFat *蛋白質）來描述卡路里。

焦點在列上：F大于上一列列出的值的概率。這通常稱為 p值。在大多數(shù)情況下，您將重要性置于alpha = .05級別，或者我們要求P值小于.05 才被視為具有統(tǒng)計意義。

立即我們可以看到，術語Sugars ，Sugars * CalFat和CalFat * Protein在.05級別上不顯著。或者，我們看到CalFat和Sugars * CalFat * Protein分別是最佳術語，P值遠小于.05。

由此我們可以得出結論，如果您的目標是描述卡路里，則只需對CalFat進行回歸或潛在的糖* CalFat *蛋白質。如果您打算采集更多樣本，而您只關心它的預測或描述卡路里，那么您現(xiàn)在只需要從Fat中收集卡路里，而不必收集所有其他變量。

責任編輯：wv