在R中使用ANOVA对多项式不同阶次项进行单独F检验的方法

可行方法 #

当然可以实现，不用放弃poly()的优势，两种常用方法：

方法1：嵌套模型比较

通过逐步添加多项式项，用anova()比较嵌套模型的差异，直接得到各阶项的边际贡献显著性：

data(iris)
# 基础模型：仅包含Species
mod_base <- lm(Petal.Length ~ Species, data = iris)
# 加入Petal.Width的线性项（一阶多项式）
mod_linear <- update(mod_base, . ~ . + poly(Petal.Width, 1))
# 加入二次项，完成二阶多项式模型
mod_quad <- update(mod_base, . ~ . + poly(Petal.Width, 2))

# 嵌套模型ANOVA对比
anova(mod_base, mod_linear, mod_quad)

输出中：

• mod_linear vs mod_base的F检验结果对应线性项的显著性
• mod_quad vs mod_linear的F检验结果对应二次项的显著性

方法2：拆分poly()生成的正交项

把poly()生成的各阶正交项单独提取为变量，作为独立术语加入模型，再用car::Anova()检验：

data(iris)
# 提取poly生成的一阶、二阶正交项
iris$pw_lin <- poly(iris$Petal.Width, 2)[, 1]
iris$pw_quad <- poly(iris$Petal.Width, 2)[, 2]

# 构建包含单独项的模型
mod_split <- lm(Petal.Length ~ Species + pw_lin + pw_quad, data = iris)

# 用Type III ANOVA检验每个术语的显著性
car::Anova(mod_split, type = 3)

这个方法的输出会直接显示pw_lin和pw_quad各自的ANOVA检验结果，和summary(mod)中的系数t检验结果一致（正交多项式下，t²=F）。

为什么默认ANOVA不分开poly项？ #

默认的stats::anova()或car::Anova()会把poly(x, 2)视为单一术语，检验的是整个多项式效应（线性+二次项）的联合显著性，这是ANOVA的设计逻辑：它关注的是"术语"的边际贡献，而非单个系数。

而poly()生成的正交多项式本身具有正交性，各阶项之间无相关性，此时summary()输出的单个系数t检验，已经等价于单自由度的ANOVA F检验，两种检验的结论完全一致。

内容的提问来源于stack exchange，提问作者corn_bunting