R 只需更改名称即可获得不同的aov结果

我正在使用以下数据集执行一个预测aov：

我正在读取包含以下代码的文件：

Teste22 <- read.table(file.choose(),
                       header = TRUE,
                       dec = ".")

请注意，出现了一些错误，因为我的blocks Rep的Df是1，但我的文件有4个块。 现在，只需将处理块的变量名更改为Bloco，结果就会正确：

Bloco <- as.factor(Teste22[,3])
saida<-aov(Teste22[,4]~Bloco+A+B+A*B, data = Teste22)
summary(saida)

为什么会发生这种情况？？我真的搞不懂为什么只有名字改变了那么多我的结果aov首先在Teste22中查找公式中传递的变量，并在找到它们时使用它们。如果它们不在数据集中，则在全局环境中查找。因此，在您的示例中，在第一个模型中，Rep变量取自Teste22数据集，而不是您创建的因子变量，因为Teste22中有一个同名变量； 它是一个整数变量。第二个模型Bloco是从 作为因子变量创建的全局环境

所以有几件事可以收拾； 创建因子变量时，最好将其分配回数据集，而不是在工作区中创建一组变量，最好按名称而不是索引引用变量，因为这样可以使代码更清晰，减少使用错误变量的可能性，并在函数调用中使用data=in（如果可用）

以你为例,

# you may wish to use `factor` to explicitely set the reference level
# which may be useful for further analysis
Teste22$Amb.SubP_f <- as.factor(Teste22$Amb.SubP.)
Teste22$Gen.Parc_f <- as.factor(Teste22$Gen.Parc.)
Teste22$Rep_f <- as.factor(Teste22$Rep)

# Note A* B expands to A + B + A:B: -- see ?`formula`
saida <- aov(Variavel1 ~ Rep_f + Amb.SubP_f* Gen.Parc_f, data=Teste22)
summary(saida)

---

rep是一个函数名，可能会导致问题。您还应该包括ClassRep的输出这是一个问题，因为来自第一个模型的Rep使用的是来自数据的Rep，而不是您创建的因子。。。因此，这两种模式并不相同。。。。因此，将新变量分配给您的数据集Teste22$Rep@user20650，请将这些注释作为答案发布。。。您可能想给出一个最能说明问题的示例practices@user20650你说得对！我刚刚从aov函数中删除了所有data=Teste22并解决了我的问题！以aswer的身份发布，这样我就可以投票了！

Bloco <- as.factor(Teste22[,3])
saida<-aov(Teste22[,4]~Bloco+A+B+A*B, data = Teste22)
summary(saida)

            Df Sum Sq Mean Sq F value   Pr(>F)    
Bloco        3  16.33    5.44   1.508    0.253    
A            2 226.08  113.04  31.304 4.43e-06 ***
B            1   1.50    1.50   0.415    0.529    
A:B          2 243.25  121.62  33.681 2.84e-06 ***
Residuals   15  54.17    3.61 

# you may wish to use `factor` to explicitely set the reference level
# which may be useful for further analysis
Teste22$Amb.SubP_f <- as.factor(Teste22$Amb.SubP.)
Teste22$Gen.Parc_f <- as.factor(Teste22$Gen.Parc.)
Teste22$Rep_f <- as.factor(Teste22$Rep)

# Note A* B expands to A + B + A:B: -- see ?`formula`
saida <- aov(Variavel1 ~ Rep_f + Amb.SubP_f* Gen.Parc_f, data=Teste22)
summary(saida)