如何在R中计算嵌套模型的ANOVA/F检验？模型入参顺序解析

核心顺序要求 #

对嵌套模型进行ANOVA/F检验时，必须先传入简单的小模型L1，再传入复杂的大模型L2，也就是使用anova(L1, L2)的写法。

原因解释 #

嵌套模型的F检验核心是验证：复杂模型（L2）比简单模型（L1）多加入的变量，是否能显著提升模型的拟合优度。按L1在前、L2在后的顺序传入时，R会自动计算两个模型的增量方差解释，输出的F统计量和p值直接对应“额外变量是否有显著作用”的原假设检验。

如果反过来用anova(L2, L1)，虽然R不会报错，但输出的是检验“简单模型是否比复杂模型拟合更好”的结果——而复杂模型的拟合度只会高于或等于简单模型，这种检验在逻辑上没有实际意义，无法得到有用的统计结论。

代码示例 #

以mtcars数据集为例，构建两个嵌套线性模型并执行检验：

# 构建嵌套模型：L1仅包含disp变量，L2额外加入hp变量
L1 <- lm(mpg ~ disp, data = mtcars)
L2 <- lm(mpg ~ disp + hp, data = mtcars)

# 执行正确的ANOVA检验
anova(L1, L2)

结果解读 #

查看输出结果中的Pr(>F)列：

• 如果p值小于预设的显著性水平（如0.05），说明L2的拟合效果显著优于L1，即新增的变量对模型有显著贡献；
• 如果p值大于显著性水平，则没有足够证据表明复杂模型更优，此时更倾向于选择更简洁的L1。

注意事项 #

• 两个模型必须是严格嵌套的：L1的所有自变量必须完全包含在L2中；
• 两个模型必须基于相同的观测样本（不能存在缺失值或样本筛选的差异），否则检验结果无效。

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