如何解释 R 中双向方差分析检验的结果？
How to interpret Result of two way anova test in R?
m1 <- lm(AmountSpent~Catalogs*Salary,data=d)
summary(m1)
m2<-lm(AmountSpent~Catalogs+Salary,data=d)
summary(m2)
anova(m2,m1,test="Chisq")
输出结果如下
根据测试，什么是更好的模型？我们在方法中插入模型的顺序重要吗？请解释这个测试背后的统计概念
Chi-square 检验考察嵌套线性模型之间残差平方和减少的统计显着性。从您的 R 输出中，您可以看到向回归中添加一项在统计上会产生更好的模型（RSS 值较低的模型，模型 2）。
通常开始与更简单的模型进行比较，然后添加项，但是，文档还提到这取决于用户。
您应该查看 anova.lm 函数 here 的文档。
要比较未嵌套的模型，请使用 AIC 或 BIC 标准。
m1 <- lm(AmountSpent~Catalogs*Salary,data=d)
summary(m1)
m2<-lm(AmountSpent~Catalogs+Salary,data=d)
summary(m2)
anova(m2,m1,test="Chisq")
输出结果如下
根据测试，什么是更好的模型？我们在方法中插入模型的顺序重要吗？请解释这个测试背后的统计概念
Chi-square 检验考察嵌套线性模型之间残差平方和减少的统计显着性。从您的 R 输出中，您可以看到向回归中添加一项在统计上会产生更好的模型（RSS 值较低的模型，模型 2）。
通常开始与更简单的模型进行比较，然后添加项，但是，文档还提到这取决于用户。
您应该查看 anova.lm 函数 here 的文档。
要比较未嵌套的模型，请使用 AIC 或 BIC 标准。