R中重塑数据的三因素方差分析

我刚刚在R中发现了重塑，我不确定数据重塑后如何进行方差分析。我发现其中的数据组织方式与我自己的数据非常相似。如果我使用这个假设数据，我将如何在种族、项目和受试者之间进行三因素方差分析？现在，受试者已经被重塑为一列，我很难看到如何使用典型的方差分析代码包含这个变量。任何帮助都将不胜感激

假设数据为“长格式”，且“分数”是因变量，则可以执行以下操作：

mymodel = aov(score ~ prog + race + subj, data=l)
summary(my model)

在这种情况下，产生：

Df Sum Sq Mean Sq F value Pr(>F) prog 1 2864 2864 31.32 2.82e-08 *** race 1 5064 5064 55.39 2.14e-13 *** subj 4 106 27 0.29 0.885 Residuals 993 90780 91 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

---

n、 b.这个模型只包含主要效果

谢谢，这很有意义！我脑子里想的太复杂了。如果有另一个因变量，而不是分数，我们想用程序、种族和受试者来预测呢？例如，GPA或ACT score只需用“score”替换上面公式中的相关变量名。这对我的变量不起作用，它是一个连续的度量，作为自己的列存在。当我简单地用它代替“分数”时，方差分析不能正确工作。我认为我认为我可以在这部分分析中使用方差分析是错误的，我需要看一个多层次的方法。