R因子Anova

Question

我很難理解R因子anova的總結。 我不明白爲什麼我只有第一個變量才能得到2的Df。 A，B，C和D都有3個等級，所以在我的理解中，我應該得到2個Df和那些相互作用。 請幫我修復代碼或瞭解結果。

P.S.我在哪裏可以找到summary（）的選項列表？我看到一個示例刪除了sig level後的*，我想查看我擁有的選項。

預先感謝您

這裏是數據我有

完整的數據集我有

Runs I A B C D AB E AD BC F G H J K B1 B2  y 
1  1 1 -1 -1 -1 -1 1 1 1 1 1 1 -1 -1 -1 -1 1 190.9 
2  2 1 1 -1 -1 -1 -1 -1 -1 1 1 1 1 1 1 -1 -1 436.2 
3  3 1 -1 1 -1 -1 -1 1 1 -1 -1 1 1 1 -1 1 -1 480.3 
4  4 1 1 1 -1 -1 1 -1 -1 -1 -1 1 -1 -1 1 1 1 406.3 
5  5 1 -1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 1 -1 212.9 
6  6 1 1 -1 1 -1 -1 1 -1 -1 1 -1 -1 1 -1 1 1 478.7 
7  7 1 -1 1 1 -1 -1 -1 1 1 -1 -1 -1 1 1 -1 1 396.5 
8  8 1 1 1 1 -1 1 1 -1 1 -1 -1 1 -1 -1 -1 -1 349.7 
9  9 1 -1 -1 -1 1 1 1 -1 1 -1 -1 -1 1 1 1 -1 119.7 
10 10 1 1 -1 -1 1 -1 -1 1 1 -1 -1 1 -1 -1 1 1 372.2 
11 11 1 -1 1 -1 1 -1 1 -1 -1 1 -1 1 -1 1 -1 1 411.6 
12 12 1 1 1 -1 1 1 -1 1 -1 1 -1 -1 1 -1 -1 -1 382.8 
13 13 1 -1 -1 1 1 1 -1 -1 -1 -1 1 1 1 -1 -1 1 161.2 
14 14 1 1 -1 1 1 -1 1 1 -1 -1 1 -1 -1 1 -1 -1 424.3 
15 15 1 -1 1 1 1 -1 -1 -1 1 1 1 -1 -1 -1 1 -1 322.8 
16 16 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 302.1 
17 17 1 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 302.4 
18 18 1 0 0 0 0 0 0 0 0 0 0 0 1 -1 0 0 318.2 
19 19 1 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 332.8 

> data 
###Factors 
> A 
[1] -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 0 0 0 
Levels: -1 0 1 
> B 
[1] -1 -1 1 1 -1 -1 1 1 -1 -1 1 1 -1 -1 1 1 0 0 0 
Levels: -1 0 1 
> C 
[1] -1 -1 -1 -1 1 1 1 1 -1 -1 -1 -1 1 1 1 1 0 0 0 
Levels: -1 0 1 
> D 
[1] -1 -1 -1 -1 -1 -1 -1 -1 1 1 1 1 1 1 1 1 0 0 0 
Levels: -1 0 1 

####Response variable 
> data$y 
[1] 190.9 436.2 480.3 406.3 212.9 478.7 396.5 349.7 119.7 372.2 411.6 382.8 161.2 424.3 322.8 302.1 302.4 318.2 
[19] 332.8 

A=as.factor(data$A) 
B=as.factor(data$B) 
C=as.factor(data$C) 
D=as.factor(data$D) 



out3=lm(data$y~C+B+A+D) 
fit1=aov(out3) 
summary(fit1) 

> summary(fit1) 
      Df Sum Sq Mean Sq F value Pr(>F) 
C   2 2743 1372 0.170 0.8456 
B   1 26896 26896 3.332 0.0910 . 
A   1 45839 45839 5.679 0.0331 * 
D   1 12928 12928 1.602 0.2279 
Residuals 13 104934 8072 

同ANOVA，利用不同的順序可變

摘要（FIT1）的 Df的總平均平方F值Pr（> F）
B 2 28199 14100 1.747 0.2129
A 1 45839 45839 5.679 0.0331 * d 1 12928 12928 1.602 0.2279
的C 1 1440 1440 0.178 0.6796
殘差13 104934 8072

如果我只用2級（進行ANOVA對所有變量排除0 ，並且僅在最後3個數據基於「0」級別時才使用[1:16]數據），那麼它就會很好。對於所有變種但殘差我得到1的Df。

Answer 1

我在試圖思考和思考並說出自由度如何計算不正確？但有時我們只會考慮複雜的事情，忘記簡單的事情。我發現問題是什麼：

data <- read.table(header=T,text='Runs I A B C D AB E AD BC F G H J K B1 B2  y 
1  1 1 -1 -1 -1 -1 1 1 1 1 1 1 -1 -1 -1 -1 1 190.9 
2  2 1 1 -1 -1 -1 -1 -1 -1 1 1 1 1 1 1 -1 -1 436.2 
3  3 1 -1 1 -1 -1 -1 1 1 -1 -1 1 1 1 -1 1 -1 480.3 
4  4 1 1 1 -1 -1 1 -1 -1 -1 -1 1 -1 -1 1 1 1 406.3 
5  5 1 -1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 1 -1 212.9 
6  6 1 1 -1 1 -1 -1 1 -1 -1 1 -1 -1 1 -1 1 1 478.7 
7  7 1 -1 1 1 -1 -1 -1 1 1 -1 -1 -1 1 1 -1 1 396.5 
8  8 1 1 1 1 -1 1 1 -1 1 -1 -1 1 -1 -1 -1 -1 349.7 
9  9 1 -1 -1 -1 1 1 1 -1 1 -1 -1 -1 1 1 1 -1 119.7 
10 10 1 1 -1 -1 1 -1 -1 1 1 -1 -1 1 -1 -1 1 1 372.2 
11 11 1 -1 1 -1 1 -1 1 -1 -1 1 -1 1 -1 1 -1 1 411.6 
12 12 1 1 1 -1 1 1 -1 1 -1 1 -1 -1 1 -1 -1 -1 382.8 
13 13 1 -1 -1 1 1 1 -1 -1 -1 -1 1 1 1 -1 -1 1 161.2 
14 14 1 1 -1 1 1 -1 1 1 -1 -1 1 -1 -1 1 -1 -1 424.3 
15 15 1 -1 1 1 1 -1 -1 -1 1 1 1 -1 -1 -1 1 -1 322.8 
16 16 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 302.1 
17 17 1 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 302.4 
18 18 1 0 0 0 0 0 0 0 0 0 0 0 1 -1 0 0 318.2 
19 19 1 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 332.8') 

a.dummies <- model.matrix(~A) 
b.dummies <- model.matrix(~B) 
c.dummies <- model.matrix(~C) 
d.dummies <- model.matrix(~D) 


a<-cbind(a.dummies[,-1],b.dummies[,-1]) 
b<-cbind(c.dummies[,-1],d.dummies[,-1]) 
all<-cbind(a,b) 

我冒昧地創建了自己的傻瓜，一個接一個地檢查它們。問題就暴露出來了。 簡單相關表：

COR（全部）

  A0   A1   B0   B1   C0   C1   D0   D1 
A0 1.0000000 -0.3692745 1.0000000 -0.3692745 1.0000000 -0.3692745 1.0000000 -0.3692745 
A1 -0.3692745 1.0000000 -0.3692745 0.1363636 -0.3692745 0.1363636 -0.3692745 0.1363636 
B0 1.0000000 -0.3692745 1.0000000 -0.3692745 1.0000000 -0.3692745 1.0000000 -0.3692745 
B1 -0.3692745 0.1363636 -0.3692745 1.0000000 -0.3692745 0.1363636 -0.3692745 0.1363636 
C0 1.0000000 -0.3692745 1.0000000 -0.3692745 1.0000000 -0.3692745 1.0000000 -0.3692745 
C1 -0.3692745 0.1363636 -0.3692745 0.1363636 -0.3692745 1.0000000 -0.3692745 0.1363636 
D0 1.0000000 -0.3692745 1.0000000 -0.3692745 1.0000000 -0.3692745 1.0000000 -0.3692745 
D1 -0.3692745 0.1363636 -0.3692745 0.1363636 -0.3692745 0.1363636 -0.3692745 1.0000000 

的LM功能的工作方式（以及更多型號的功能）是消除有確切相關性兩個變量之一1即刪除重複的列。在你的情況下，C0與A0，B0和D0的相關係數爲1，所以這3個被從模型中移除，有效地將你的因子水平的數量減少到A，B和D的2。因此，自由度現在是1對於A，B和D.

神祕解決！