R语言三因素ANOVA结果与教材/Excel不符的问题排查

核心原因：变量类型错误 #

你的R代码中，A因素（三个水平：10、12、14）被定义为数值型变量，aov()默认将其当作连续型协变量处理，因此自由度为1（线性回归的自由度）。但Montgomery教材的例5.3中，A是分类因素（三个不同的处理水平），对应的自由度应该是2（k-1，k=3），这就是R和Excel/教材结果差异的根源。

修正后的R代码 #

将A、B、C都转换为因子类型（因为它们都是分类处理因素）后再做ANOVA：

bottel_vul_data <- data.frame(
  A = factor(rep(c(10, 12, 14), each = 2)),  # 转为分类因子
  B = factor(rep(c(25, 30), each = 12)),
  C = factor(rep(c(200, 250), each = 6)),        
  vul = c(-3, -1, 0, 1, 5, 4,
          -1,  0, 2, 1, 7, 6,   
          -1,  0, 2, 3, 7, 9,
           1,  1, 6, 5, 10, 11)
)

bottel_anova <- aov(vul ~ A * B * C, data = bottel_vul_data)
summary(bottel_anova)

修正后，A的自由度会变为2，结果将和教材/Excel完全一致。

自由度差异补充说明 #

• 分类因素自由度：遵循水平数 - 1规则，比如A有3个水平，自由度为3-1=2；B、C各2个水平，自由度为1。
• 连续变量自由度：默认是1（仅代表线性趋势的自由度），这是你最初代码中A自由度为1的原因。

Signif. codes 含义解释 #

输出末尾的Signif. codes是ANOVA结果中p值的显著性简化标记，对应规则：

• ***：p < 0.001，极显著
• **：0.001 ≤ p < 0.01，高度显著
• *：0.01 ≤ p < 0.05，显著
• .：0.05 ≤ p < 0.1，边缘显著
• 空格：p ≥ 0.1，不显著

这些标记用于快速判断各因素及其交互项的统计显著性，无需反复核对具体p值。

内容的提问来源于stack exchange，提问作者Philip de Bruin