R：需要使用双向（阶乘）MANOVA-I'执行boxM（）的示例；我犯了一个错误
我试着对协方差矩阵的同质性进行Box的M检验，对双向MANOVA 从昨天下午开始，我一直在搜索一个示例。我看到了许多将boxM与单向MANOVA结合使用的示例。在每种情况下，如果源还包括双向MANOVA，则不包括演示在双向情况下运行boxM测试。我只需要一个有效的例子。一旦我有了语法，我就可以让它工作了 biotools软件包中的boxM函数表示它用于一个分类因子（单向MANOVA）。R：需要使用双向（阶乘）MANOVA-I'执行boxM（）的示例；我犯了一个错误,r,covariance,manova,covariance-matrix,R,Covariance,Manova,Covariance Matrix,我试着对协方差矩阵的同质性进行Box的M检验，对双向MANOVA 从昨天下午开始，我一直在搜索一个示例。我看到了许多将boxM与单向MANOVA结合使用的示例。在每种情况下，如果源还包括双向MANOVA，则不包括演示在双向情况下运行boxM测试。我只需要一个有效的例子。一旦我有了语法，我就可以让它工作了 biotools软件包中的boxM函数表示它用于一个分类因子（单向MANOVA）。 heplots包中的boxM函数表示它与一个或多个分类因子一起工作-- --然而，当我尝试使用它时，我得到
heplots包中的boxM函数表示它与一个或多个分类因子一起工作--
--然而，当我尝试使用它时，我得到了一个错误：“模型必须是完全交叉的公式而已。” 下面，我将说明，单独使用任一因子都不会产生错误，但任何交叉因子的安排都会产生此错误。注意：在运行Levene的测试时，如果变量交叉，则不会出现此错误 响应1、响应2和响应3是连续的。
Factor1有两个级别。因子2有5个级别
library(heplots)
> Model2 <- lm(cbind(Response1, Response2, Response3) ~ Factor1, data=Data40)
> boxM(Model2)
Box's M-test for Homogeneity of Covariance Matrices
data: Y
Chi-Sq (approx.) = 3.5562, df = 6, p-value = 0.7365
> Model2 <- lm(cbind(Response1, Response2, Response3) ~ Factor2, data=Data40)
> boxM(Model2)
Box's M-test for Homogeneity of Covariance Matrices
data: Y
Chi-Sq (approx.) = 35.079, df = 24, p-value = 0.06724
> Model2 <- lm(cbind(Response1, Response2, Response3) ~ Factor1 * Factor2, data=Data40)
> boxM(Model2)
Error in boxM.formula(formula(Y), data = eval(data, envir = environment(formula(Y))), :
Model must be completely crossed formula only.
> Model2 <- lm(cbind(Response1, Response2, Response3) ~ Factor1 + Factor2 + Factor1 * Factor2, data=Data40)
> boxM(Model2)
Error in boxM.formula(formula(Y), data = eval(data, envir = environment(formula(Y))), :
Model must be completely crossed formula only.
> Model2 <- lm(cbind(Response1, Response2, Response3) ~ Factor1 + Factor2 + Factor1:Factor2, data=Data40)
> boxM(Model2)
Error in boxM.formula(formula(Y), data = eval(data, envir = environment(formula(Y))), :
Model must be completely crossed formula only.
library（heplots）
>型号2 boxM（型号2）
协方差矩阵齐性的Box M检验
数据：Y
卡平方比（近似值）=3.5562，df=6，p值=0.7365
>型号2 boxM（型号2）
协方差矩阵齐性的Box M检验
数据：Y
卡平方比（近似值）=35.079，df=24，p值=0.06724
>型号2 boxM（型号2）
boxM.formula（公式（Y），data=eval（数据，envir=environment（公式（Y））中出错，：
模型必须仅与公式完全交叉。
>型号2 boxM（型号2）
boxM.formula（公式（Y），data=eval（数据，envir=environment（公式（Y））中出错，：
模型必须仅与公式完全交叉。
>型号2 boxM（型号2）
boxM.formula（公式（Y），data=eval（数据，envir=environment（公式（Y））中出错，：
模型必须仅与公式完全交叉。
irislibrary（heplots）
#向iris添加虚假的第二个因子
协方差矩阵齐性的iris-Box M检验
#>
#>数据：Y
#>卡平方比（近似值）=16.389，df=10，p值=0.08904
#第二个因素
boxM（cbind（萼片长度，萼片宽度，花瓣长度，花瓣宽度）~种，数据=鸢尾）
#>
#>协方差矩阵齐性的Box M检验
#>
#>数据：Y
#>Chi Sq（约）=140.94，df=20，p值<2.2e-16
#划线音符不包括'lm'`
boxM（cbind（萼片长、萼片宽、花瓣长、花瓣宽）~Species*无意义，data=iris）
#>
#>协方差矩阵齐性的Box M检验
#>
#>数据：Y
#>卡平方比（近似值）=169.1，df=50，p值=7.609e-15