单因素方差分析

•因素(factor)：通常把影响试验考察指标的条件或要素称为因素，可以是单因素，也可以是多因素。如高三学生的性别；研究养殖日增重量时，品种、饲料、投喂方法等等就是其影响因素。

•水平(level)：每一个因素根据其质或量所分的等级或所处的状态。如高三性别中男、女；研究饲料对养殖日增重的影响，不同的投喂量成为不同的水平。

单因素试验 试验中只考虑一个因素（A），其他因素保持或控制不变或变化一致；选择A的a个不同水平，研究A对试验考察指标的影响。

单因素方差分析也称作一维方差分析。它检验由单一因素影响的一个(或几个相互独立的)因变量由因素各水平分组的均值之间的差异是否具有统计意义。

参数检验:

a<=2  ： t.test()

a>2  ：aov(), TukeyHSD()， oneway.test(), pairwise.t.test()

非参数检验：

 a<=2  ：wilcox.test() 

a >2 ： kruskal()

判断如何采用参数检验还是非参数检验的条件（P>0.05）：

1、各组数据满足正态分布条件。shapiro.test()

2、组间数据等方差   bartlett.test()

> test
           BN    BN    BN    BA    BA    BA
pathway 17420 15149 17122 16095 15249 19161


> testT = t(test)
> testT
   pathway
BN   17420
BN   15149
BN   17122
BA   16095
BA   15249
BA   19161
> oneway.test( pathway ~ rownames(testT), testT)

	One-way analysis of means (not assuming equal variances)

data:  pathway and rownames(testT)
F = 0.038346, num df = 1.0000, denom df = 3.2735, p-value = 0.8563



> apply(test,1, function(x) oneway.test(x ~ names(test), test))
$`pathway`

	One-way analysis of means (not assuming equal variances)

data:  x and names(test)
F = 0.038346, num df = 1.0000, denom df = 3.2735, p-value = 0.8563

p>0.05 两个水平分组（BN || BA） 没有显著性差异