该篇文章以实际例子形式，利用R语言完成方差分析相关代码及结果分析，其中包括样本的方差分析；多重比较；正态性检验；方差齐性检验。
1 题目背景
用4种安眠药在兔子身上进行试验，特选24只健康的兔子，随机把他们均分为4组，各组各服一种安眠药，安眠时间（单位：h）如下所示.
安眠药试验数据：
在显著性水平α=0.05下对其进行方差分析，可以得到什么结果？
2. 方差分析
运行程序：
X <- c(6.2,6.1,6.0,6.3,6.1,5.9,6.3,6.5,6.7,6.6,7.1,6.4, 6.8,7.1,6.6,6.8,6.9,6.6,5.4,6.4,6.2,6.3,6.0,5.9)#将不同水平下测试的样本值放入一个向量内 A<-factor(rep(1:4,each=6))#题目中有四个水平，每个水平有6个观测值 miscellany<-data.frame(X,A)#由数据X和水平A建立数据框 aov.mis<-aov(X~A,data=miscellany) #调用幻术aov()进行方差分析的计算与检验 summary(aov.mis)#显示结果
运行结果：
通过方差分析的结论可以看出，检验统计量F的自由度为3，总平方和等于2.54，均方和等于0.847，F检验统计量等于12.7，Pr(>F)表示P值=7.2e-05<0.05，故拒绝原假设，即认为四种安眠药对兔子的安眠时间有显著差异，即认为四种安眠药的效果有显著差异。
根据上述结果可以写出方差分析表：
3 多重比较
通过对题目进行方差分析后，我们利用方差分析结果，使用TukeyHSD()函数进行多重比较，，即两两安眠药之间的效果比较。
运行程序：
TukeyHSD(aov.mis)#对方差分析结果进行多重比较，即两两安眠药之间的效果比较
运行结果：
通过运行结果，我们可以看出两两水平之间的比较，共有6组，且结果显示了每个水平均值差的置信水平，和p值，根据p值可以看出1和4,2和3的差异不显著，其他两两之间的差异都显著。
4 正态性检验
使用Shapiro-Wilk检验进行正态性分析：
运行程序：
X <- c(6.2,6.1,6.0,6.3,6.1,5.9,6.3,6.5,6.7,6.6,7.1,6.4, 6.8,7.1,6.6,6.8,6.9,6.6,5.4,6.4,6.2,6.3,6.0,5.9)#将不同水平下测试的样本值放入一个向量内 shapiro.test(X)#进行正态性检验
运行结果：
通过运行结果，可以看出p值=0.8>0.05，即可以认为其近似服从正态分布。
5 方差齐性检验
此处使用Bartlett检验。
运行程序：
X <- c(6.2,6.1,6.0,6.3,6.1,5.9,6.3,6.5,6.7,6.6,7.1,6.4, 6.8,7.1,6.6,6.8,6.9,6.6,5.4,6.4,6.2,6.3,6.0,5.9)#将不同水平下测试的样本值放入一个向量内 A<-factor(rep(1:4,each=6))#题目中有四个水平，每个水平有6个观测值 miscellany<-data.frame(X,A)#由数据X和水平A建立数据框 bartlett.test(X~A,data=miscellany)#进行方差齐性检验
运行结果：
通过运行结果可以看出p值=0.2>0.05，故接受原假设，即认为各处理组的数据的方差是相等的。
