如何让R拟合多元线性回归的ANOVA输出与Minitab结果匹配

R基础anova()函数默认输出和Minitab的多元线性回归ANOVA输出差异主要来自两点：一是R默认输出Type I（序贯）平方和的变量拆分结果，Minitab默认先输出模型整体检验的ANOVA主表，单变量检验默认用Type III平方和；二是两者默认的行命名、列顺序、附属拟合统计量输出规则不一致。可以通过自定义函数提取统计量重组表格，实现格式完全匹配。

具体操作步骤 #

• 安装并加载依赖包
  首次运行先执行安装命令，后续直接加载包即可：

  install.packages(c("dplyr", "knitr", "car"))
  library(dplyr)
  library(knitr)
  library(car)
  

• 部署自定义格式输出函数
  直接运行以下代码，生成适配Minitab格式的ANOVA输出函数，统计量计算逻辑和Minitab完全对齐：

  anova_minitab <- function(lm_model, digits = 4, type = "overall") {
    # 整体模型ANOVA表逻辑（匹配Minitab默认首屏ANOVA）
    if (type == "overall") {
      anova_base <- anova(lm_model)
      ss_reg <- sum(anova_base$`Sum Sq`[-nrow(anova_base)])
      df_reg <- sum(anova_base$Df[-nrow(anova_base)])
      ms_reg <- ss_reg / df_reg
      ss_res <- anova_base$`Sum Sq`[nrow(anova_base)]
      df_res <- anova_base$Df[nrow(anova_base)]
      ms_res <- ss_res / df_res
      ss_total <- ss_reg + ss_res
      df_total <- df_reg + df_res
      f_val <- ms_reg / ms_res
      p_val <- pf(f_val, df_reg, df_res, lower.tail = FALSE)
      
      main_tbl <- data.frame(
        来源 = c("回归", "残差误差", "合计"),
        Df = c(df_reg, df_res, df_total),
        SS = c(ss_reg, ss_res, ss_total),
        MS = c(ms_reg, ms_res, NA),
        `F值` = c(f_val, NA, NA),
        `p值` = c(p_val, NA, NA)
      )
    }
    
    # 单变量检验逻辑（匹配Minitab的Type III平方和结果）
    if (type == "terms") {
      anova_3 <- car::Anova(lm_model, type = 3)
      main_tbl <- data.frame(
        来源 = c(rownames(anova_3)[-1], "残差误差", "合计"),
        Df = c(anova_3$Df[-1], anova_3$Df[nrow(anova_3)], sum(anova_3$Df)),
        SS = c(anova_3$`Sum Sq`[-1], anova_3$`Sum Sq`[nrow(anova_3)], sum(anova_3$`Sum Sq`)),
        MS = c(anova_3$`Sum Sq`[-1]/anova_3$Df[-1], anova_3$`Sum Sq`[nrow(anova_3)]/anova_3$Df[nrow(anova_3)], NA),
        `F值` = c(anova_3$`F value`[-1], NA, NA),
        `p值` = c(anova_3$`Pr(>F)`[-1], NA, NA)
      )
    }
    
    # 提取Minitab配套输出的拟合统计量
    ms_res <- sum(resid(lm_model)^2)/df.residual(lm_model)
    s_val <- sqrt(ms_res)
    r2 <- summary(lm_model)$r.squared
    r2_adj <- summary(lm_model)$adj.r.squared
    # 按Minitab逻辑计算预测R方
    press <- sum((resid(lm_model)/(1 - hatvalues(lm_model)))^2)
    r2_pred <- 1 - press/sum((lm_model$model[,1] - mean(lm_model$model[,1]))^2)
    fit_tbl <- data.frame(
      指标 = c("S", "R-sq", "R-sq(调整)", "R-sq(预测)"),
      值 = c(
        round(s_val, digits),
        paste0(round(r2*100, 2), "%"),
        paste0(round(r2_adj*100, 2), "%"),
        paste0(round(r2_pred*100, 2), "%")
      )
    )
    
    # 格式化打印
    cat("方差分析\n")
    print(kable(main_tbl, digits = digits, format = "simple", na = ""))
    cat("\n模型汇总\n")
    print(kable(fit_tbl, format = "simple"))
  }
  

• 调用函数输出结果
  拟合线性模型后，直接传入模型对象即可，默认输出模型整体ANOVA表，和Minitab默认输出完全一致：

  # 拟合多元线性回归模型（替换成你自己的数据集和变量即可）
  lm_fit <- lm(因变量 ~ 自变量1 + 自变量2 + 自变量3, data = 你的数据集名)
  # 输出整体ANOVA（和Minitab默认首屏一致）
  anova_minitab(lm_fit)
  # 输出单变量Type III SS检验结果（和Minitab项检验结果一致）
  anova_minitab(lm_fit, type = "terms")
  

精度调整说明 #

如果输出数值的小数位和本地Minitab设置不一致，修改函数的digits参数即可，比如设置digits=3就会保留3位小数，和Minitab的默认精度对齐。如果需要更精细的排版（比如边框、列宽匹配），可以将kable替换为gt包的表格渲染函数，自定义样式。

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