我在两种不同的治疗方法中收集了两份数据样本：
sam.a <- c( 0.1333333, 0.2258065, 0.1944444, 0.2894737)
sam.b <- c(0.137931, 0.093750, 0, 0)
我首先在R：
尝试了t.testt.test(sam.a,sam.b)
我的结果如下(p < 0.05)：
Welch Two Sample t-test
data: sam.a and sam.b
t = -4.1497, df = 5.8602, p-value = 0.006329
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.27151717 -0.06935361
sample estimates:
mean of x mean of y
0.1994576 0.3698930
当我在R中使用anova尝试相同的数据时：
aov(sam.a ~ sam.b)
结果变得微不足道（p > 0.05）：
Df Sum Sq Mean Sq F value Pr(>F)
sam.b 1 0.005970 0.005970 1.778 0.314
Residuals 2 0.006714 0.003357
有人可以帮我解决这个问题吗？非常感谢！
答案 0 :(得分：6)
如果你想进行等效的方差分析，你必须以不同的方式进行设置。
samples <- c(sam.a, sam.b)
fac <- c(rep("a", length(sam.a)),
rep("b", length(sam.b)))
summary(aov(samples ~ fac))[[1]]$"Pr(>F)"[1]
#[1] 0.01819264
您需要构造一个变量，该变量描述值所属的向量：
samp.a您使用samp.b作为依赖，aov作为独立，并且基本上在它们之间做了回归，这根本不相同。 （请注意，{{1}}内部始终进行OLS回归，并根据回归结果计算相关的平方和。）
如果你假设t检验中的方差不一致（默认情况下）并进行Welch检验，标准方差分析不会准确地再现p值。