R 更有效的非参数ancova公式？

我试图分析R中两个线性回归的差异（或缺少）。我一直使用fANCOVA的T.aov（）函数来实现这一点；然而，这次我处理的数据非常大，而T.aov（）需要花费数天的时间才能运行。离截止日期还有几天了

是否有一种更有效的等效于T.aov（）的方法，或者可能有一种更有效的方法使用T.aov（）进行编码

我目前的表述相当简单：

T.aov（x=data$descriptor，y=data$response，group=data$category，B=1）

使用iris的可复制示例：

T.aov（x=iris$Sepal.Length，y=iris$Petal.Length，group=iris$SEPICES，B=1）

T.aov（）执行置换测试，非常适合违反参数假设的情况。虽然它减少了假设，但它需要大量的计算资源。如果数据集较大且计算资源有限，则应折衷并使用参数化版本（见下文）：

库（范科娃）
数据（iris）
spec=虹膜$物种
等级（等级）=1:3
谢谢你的建议，我理解你的论点。问题是，我的数据确实违反了参数假设，而对于800万行，这些违反的严重性相当严重。我是否应该从中得出这样的结论：没有更有效的方法通过非参数化实现这一点？也许您可以转换数据以减轻违规行为？日志转换，sqrt？
library(fANCOVA)

data(iris)
spec = iris$Species
levels(spec) = 1:3

start_time <- Sys.time()
T.aov(x=iris$Sepal.Length, y=iris$Petal.Length, group= spec, B=200)
end_time <- Sys.time()
end_time - start_time # 0.8088191 secs

start_time <- Sys.time()
lm.mod = aov(iris$Petal.Length ~ iris$Sepal.Length + spec)
summary(lm.mod)
end_time <- Sys.time()
end_time - start_time # 0.005981207 secs