10、R语言统计分析入门：从线性回归到单因素方差分析

R语言统计分析入门：从线性回归到单因素方差分析

1. R语言新特性与线性回归基础

在R语言中，我们引入了一个新特性 geom_smooth(method = "lm") ，它在 ggplot2 里的意思是“在图表上添加一条线性模型拟合线以及拟合的标准误差，使用透明灰色显示”。这个功能既实用又简单。

在简单线性回归的例子中， geom_smooth(method = "lm") 工具非常出色，对于单解释变量的情况尤为适用，而且在数据探索阶段，结合 facet_wrap() 函数使用效果也很好。不过，对于更复杂的模型，它可能无法正确工作。

我们通过简单线性回归介绍了一些经典的推理工具。使用 lm() 函数拟合线性模型，利用 autoplot() 函数生成四个诊断图来检查模型假设是否满足。还学习了使用 anova() 评估 lm() 函数的结果（这里的 anova() 并非用于拟合方差分析），以及使用 summary() 获取斜率、截距的估计值。

2. 单因素方差分析：水蚤生长率研究

2.1 问题提出与数据获取

本次研究聚焦于水蚤（Daphnia spp.）的生长率，问题分为两部分：一是寄生虫是否会改变水蚤的生长率；二是与无寄生虫的对照组相比，三种寄生虫是否会降低水蚤的生长率。

我们采用“绘图 ->