R中的N-way方差分析

我需要一些帮助，在R中执行N-way ANOVA，以捕获不同因素之间的相互依赖性。在我的数据中，大约有100个不同的因素，我使用下面的代码进行方差分析

model.lm<-lm(y~., data=data)
anova(model.lm)

---

model.lm您可以使用
update.formula
和
~（.n
符号

例如，对于包含4个变量的3向交互作用的模型，
a
，
b
，
c
和
d

update(~a+b+c+d, ~(.)^3)


## ~a + b + c + d + a:b + a:c + a:d + b:c + b:d + c:d + a:b:c + a:b:d + a:c:d + b:c:d

因此，对于您想要适应100路交互的示例，我建议您考虑一个更合适的模型（特别是如果您在这里考虑的是时间的话）

如果您决定继续使用基本的方差分析方法，您可以这样做（并等待R因大数据/不合适的模型而出现内存问题而崩溃）

xvars您可以使用
update.formula
和
~（.n
符号

例如，对于包含4个变量的3向交互作用的模型，
a
，
b
，
c
和
d

update(~a+b+c+d, ~(.)^3)


## ~a + b + c + d + a:b + a:c + a:d + b:c + b:d + c:d + a:b:c + a:b:d + a:c:d + b:c:d

因此，对于您想要适应100路交互的示例，我建议您考虑一个更合适的模型（特别是如果您在这里考虑的是时间的话）

如果您决定继续使用基本的方差分析方法，您可以这样做（并等待R因大数据/不合适的模型而出现内存问题而崩溃）

xvars你需要澄清你所说的
n-way
ANOVA是什么意思。
lm（y~。
fill将所有因素作为主效应进行拟合，没有交互作用，而不是像你的措辞所暗示的那样作为单个模型。你想拟合100个因素之间的所有交互作用吗（我真的希望答案是否定的。）我认为你是错的，从我对你的问题的理解来看，
y~。
应该是你所追求的。@Tylerlinker不是真的吗？这种符号不考虑交互——这就是mnel的评论所问的。（我也希望他们不想适应所有的双向、三向、100向交互……）@Shahzad你有多少数据？你意识到你基本上是在用2^100个参数拟合一个模型。如果你没有至少2^100+1个数据点，那么你是在拟合一个非常饱和的模型……如果你真的需要用那么多参数拟合一个模型，并且有足够的数据来拟合这个模型，那么你就必须使用special函数用于实际进行拟合，因为您无法分配足够的内存来保存内存中的大量数据，从而使
lm
工作。此外，拟合该模型时还存在一些有问题的假设……您需要澄清您所说的
n向
ANOVA的含义。
lm（y~。
fill将所有因素作为主效应进行拟合，没有交互作用，而不是像你的措辞所暗示的那样作为单个模型。你想拟合100个因素之间的所有交互作用吗（我真的希望答案是否定的。）我认为你是错的，从我对你的问题的理解来看，
y~。
应该是你所追求的。@Tylerlinker不是真的吗？这种符号不考虑交互——这就是mnel的评论所问的。（我也希望他们不想适应所有的双向、三向、100向交互……）@Shahzad你有多少数据？你意识到你基本上是在用2^100个参数拟合一个模型。如果你没有至少2^100+1个数据点，那么你是在拟合一个非常饱和的模型……如果你真的需要用那么多参数拟合一个模型，并且有足够的数据来拟合这个模型，那么你就必须使用special函数用于实际进行拟合，因为您无法分配足够的内存来保存大量数据，以使
lm
工作。此外，拟合该模型时还存在一些有问题的假设……是否需要调用更新？lm（y~。^100，data=data）不是吗
也能工作吗？谢谢mnel。我会在数据上试试这个，让我们看看它有多可怕；）。谢谢。@Dason，这要简单得多。但是我觉得与这个模型相关联有点脏。需要调用更新吗？lm（y~。^100，data=data）不会吗
也能工作吗？谢谢mnel。我将在数据上尝试这个方法，让我们看看它有多可怕；）。谢谢。@Dason，这要简单得多。不过，我觉得与这个模型相关联有点脏。
xvars <- paste0('x',1:100)
oneway <- reformulate(termlabels=  xvars, response = 'y')


horribleformula <- update(oneway, . ~ (.)^100)

horriblemodel <- lm(horribleformula, data=data)

 stillhorrible <- lm(y ~ .^100, data = data)