有了试验数据，我们就需要进行数据的处理与分析，而在试验设计中，通常分为单因素试验或者双因素试验。试验中要考察的指标称为试验指标，影响试验指标的条件称为因素，因素所处的状态称为水平，若试验中只有一个因素改变则称为单因素试验，若有两个因素改变则称为双因素试验，若有多个因素改变则称为多因素试验。方差分析就是对试验数据进行分析，检验方差相等的多个正态总体均值是否相等，进而判断各因素对试验指标的影响是否显著，根据影响试验指标条件的个数可以区分为单因素方差分析、双因素方差分析和多因素方差分析。
在进行数据分析之前，我们要对试验数据进行检验，即独立性检验、正态性检验、方差齐性检验，若三者检验符合条件，则我们可以进行参数分析，如果不符合条件则只能进行非参数分析。
（参数分析：假定数据服从某分布（一般为正态分布），通过样本参数的估计量（x±s）对总体参数（μ）进行检验，比如t检验、方差分析、Pearson的相关分析等。非参数分析：不需要假定总体分布形式，直接对数据的分布进行检验。由于不涉及总体分布的参数，故名「非参数」检验，包括卡方检验、二项分布检验、K-S检验、秩和检验、符 检验、Spearman和Kendall的相关性分析等）
接下来，我演示一个R语言进行的参数分析的单因素方差分析。
原始数据：探究添加不同浓度的氮肥（N1,N2,N3,N4,N5）对植物根际土壤硝态氮的浓度影响
（同学们使用edit（）函数，把我的数据仿照输入，这样你们的数据不需要整理，直接进入数据重构的那步。）
第一步：进行数据整理与重构：
发现数据错误，进行数据的调整（见上一文章）
数据重构：
第二步：对数据进行参数检验（独立性、正态性和方差齐性检验）
可以看到三大参数检验P>0.05,即接受原假设，数据满足独立性，正态性和方差齐性。
第三步：单因素方差分析和多重比较
单因素方差分析
P
多重比较：介绍两种函数LSD.test()和Duncan.test（）
可以看到不同组别之间的显著性差异。
第四步：提取关键数据并处理（以Duncan多重比较为例）
第五步：根据结果画图
end~
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！