我非常感谢以下任何指导：我正在运行ANOVA（aov）来检索更大数据集的多个子集的p_value。所以我碰到了一个子集，其中我的数值变量/值是相同的36.因为它是循环的一部分，ANOVA仍然被执行，同时报告看似无限小的p_value 1.2855e-134 - ＆gt;如果我错了，纠正我，但p_值越小，因素之间的差异显着不同的可能性越大？
为简单起见，这是子集： sUBSET_FOR_ANOVA
以下是我如何计算ANOVA并检索p_value，其中TEMP_DF2只是您看到的子集：
＃
anova_sweep <- aov(TEMP_DF2$GOOD_PTS~TEMP_DF2$MACH,data = TEMP_DF2)
p_value <- summary(anova_sweep)[[1]][["Pr(>F)"]]
p_value <- p_value[1]
＃
非常感谢任何指导，
答案 0 :(得分：0)
我无法复制你的发现。让我们生成一个示例数据集，其中所有值都为36：
df <- data.frame(gr = rep(letters[1:2], 100),
y = 36)
summary(aov(y~gr, data = df))
给出：
Df Sum Sq Mean Sq F value Pr(>F)
gr 1 1.260e-27 1.262e-27 1 0.319
Residuals 198 2.499e-25 1.262e-27
基本上，根据样本量，我们得到的p值约为0.3左右。 F统计量（根据定义）始终为1，因为组间差异和组间差异相等。
结果会产生误导吗？在某种程度上，是的。估计的SS和MS应为0，aov将它们计算得非常小。 R和某些包中的其他一些统计测试会检查零差异并产生错误，但aov显然没有。
然而，更重要的是，我会说你的数据违反了方差分析的假设，因此任何结果都不能被信任得出结论。在统计测试中，R的期望通常是用户在正确的情况下使用测试。