R 中的方差分析（AOV 函数）：误导性 p_value 报告等值
ANOVA (AOV function) in R: Misleading p_value reported on equal values
我将不胜感激以下方面的任何指导：我是 运行 方差分析 (aov) 来检索 p_value 一个较大数据集的多个子集。所以我碰到了一个子集，其中我的数字 variables/values 同样是 36。因为它是循环的一部分，方差分析仍在执行，同时报告看似无限小的 p_value 1.2855e-134-- > 如果我错了请纠正我，但 p_value 越小，因子之间的差异显着不同的概率越高？
为简单起见，这是子集：
sUBSET_FOR_ANOVA
这是我计算方差分析和检索 p_value 的方法，其中 TEMP_DF2 只是您看到的子集：
#
anova_sweep <- aov(TEMP_DF2$GOOD_PTS~TEMP_DF2$MACH,data = TEMP_DF2)
p_value <- summary(anova_sweep)[[1]][["Pr(>F)"]]
p_value <- p_value[1]
#
非常感谢您的指导，
我无法复制您的发现。让我们生成一个所有值为 36 的示例数据集：
df <- data.frame(gr = rep(letters[1:2], 100),
y = 36)
summary(aov(y~gr, data = df))
给出：
Df Sum Sq Mean Sq F value Pr(>F)
gr 1 1.260e-27 1.262e-27 1 0.319
Residuals 198 2.499e-25 1.262e-27
基本上，根据样本量，我们获得了大约 0.3 左右的 p 值。 F 统计量（根据定义）始终为 1，因为组间方差和组内方差相等。
是否有结果误导？在某种程度上，是的。估计SS和MS应该是0，aov计算出来的非常非常小。 R 和一些包中的一些其他统计测试检查零方差并会产生错误，但 aov 显然不会。
但是，更重要的是，我想说您的数据违反了方差分析的假设，因此任何结果都不能作为结论的依据。当涉及到统计测试时，R 中的期望通常是用户在正确的情况下使用测试。
我将不胜感激以下方面的任何指导：我是 运行 方差分析 (aov) 来检索 p_value 一个较大数据集的多个子集。所以我碰到了一个子集，其中我的数字 variables/values 同样是 36。因为它是循环的一部分，方差分析仍在执行，同时报告看似无限小的 p_value 1.2855e-134-- > 如果我错了请纠正我，但 p_value 越小，因子之间的差异显着不同的概率越高？
为简单起见，这是子集： sUBSET_FOR_ANOVA
这是我计算方差分析和检索 p_value 的方法，其中 TEMP_DF2 只是您看到的子集：
#
anova_sweep <- aov(TEMP_DF2$GOOD_PTS~TEMP_DF2$MACH,data = TEMP_DF2)
p_value <- summary(anova_sweep)[[1]][["Pr(>F)"]]
p_value <- p_value[1]
#
非常感谢您的指导，
我无法复制您的发现。让我们生成一个所有值为 36 的示例数据集：
df <- data.frame(gr = rep(letters[1:2], 100),
y = 36)
summary(aov(y~gr, data = df))
给出：
Df Sum Sq Mean Sq F value Pr(>F)
gr 1 1.260e-27 1.262e-27 1 0.319
Residuals 198 2.499e-25 1.262e-27
基本上，根据样本量，我们获得了大约 0.3 左右的 p 值。 F 统计量（根据定义）始终为 1，因为组间方差和组内方差相等。
是否有结果误导？在某种程度上，是的。估计SS和MS应该是0，aov计算出来的非常非常小。 R 和一些包中的一些其他统计测试检查零方差并会产生错误，但 aov 显然不会。
但是，更重要的是，我想说您的数据违反了方差分析的假设，因此任何结果都不能作为结论的依据。当涉及到统计测试时，R 中的期望通常是用户在正确的情况下使用测试。