我怎样才能获得rsquare出ANOVA在R中

Question

我正在寻找方法/函数返回R.

方差分析模型的德Rsquared找不到任何东西为止。

感谢

Answer 1

TL;博士：你可以得到的R平方通过查看相应的线性模型的总结输出的方差分析

让我们走一步看一步：

1）让我们用数据来自here

pain <- c(4, 5, 4, 3, 2, 4, 3, 4, 4, 6, 8, 4, 5, 4, 6, 5, 8, 6, 6, 7, 6, 6, 7, 5, 6, 5, 5) 
drug <- c(rep("A", 9), rep("B", 9), rep("C", 9)) 
migraine <- data.frame(pain, drug) 

2）让我们方差分析：

AOV <- aov(pain ~ drug, data=migraine) 

summary(AOV) 

##    Df Sum Sq Mean Sq F value Pr(>F)  
## drug   2 28.22 14.111 11.91 0.000256 *** 
## Residuals 24 28.44 1.185      
## --- 
## Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

3）现在，方差分析，直接关系到线性模型，让我们得到它，并从中找到ANOVA：

LM <- lm(pain ~ drug, data=migraine) 

anova(LM) 

## Analysis of Variance Table 
## 
## Response: pain 
##   Df Sum Sq Mean Sq F value Pr(>F)  
## drug  2 28.222 14.1111 11.906 0.0002559 *** 
## Residuals 24 28.444 1.1852      
## --- 
## Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

正如预期的那样，结果是完全一样的。这意味着...

3）我们可以得到的R平方从线性模型：

summary(LM) 

## Call: 
## lm(formula = pain ~ drug, data = migraine) 
## 
## Residuals: 
##  Min  1Q Median  3Q  Max 
## -1.7778 -0.7778 0.1111 0.3333 2.2222 
## 
## Coefficients: 
##    Estimate Std. Error t value Pr(>|t|)  
## (Intercept) 3.6667  0.3629 10.104 4.01e-10 *** 
## drugB   2.1111  0.5132 4.114 0.000395 *** 
## drugC   2.2222  0.5132 4.330 0.000228 *** 
## --- 
## Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
## 
## Residual standard error: 1.089 on 24 degrees of freedom 
## Multiple R-squared: 0.498, Adjusted R-squared: 0.4562 
## F-statistic: 11.91 on 2 and 24 DF, p-value: 0.0002559 

因此，R平方为0.498

但是，如果我们不什么”你相信吗？

4）什么是R平方？它是平方和回归除以总平方和（即，回归平方和加上残差平方和）。因此，让我们找到了方差分析这些数字，并计算R平方直接：

# We use the tidy function from the broom package to extract values 
library(broom) 

tidy_aov <- tidy(AOV) 
tidy_aov 

##  term df sumsq meansq statistic  p.value 
## 1  drug 2 28.22222 14.111111 11.90625 0.0002558807 
## 2 Residuals 24 28.44444 1.185185  NA   NA 

# The values we need are in the sumsq column of this data frame 

sum_squares_regression <- tidy_aov$sumsq[1] 
sum_squares_residuals <- tidy_aov$sumsq[2] 

R_squared <- sum_squares_regression/
      (sum_squares_regression + sum_squares_residuals) 

R_squared 

## 0.4980392 

所以我们得到相同的结果：R平方为0.4980392