ANOVA ist ein seltsames Wort, weil es viele verschiedene Dinge bedeutet. Wenn Menschen ein allgemeines lineares Modell mit kategorialen Prädiktoren anpassen, nennen sie es häufig ANOVA und erhalten Quadratsummen (einschließlich Fehlersummen von Quadraten).

Von? anova

  Wenn ein einzelnes Argument angegeben wird, wird eine Tabelle erstellt, in der geprüft wird, ob die Modellbegriffe signifikant sind.  

Also Der Editor erwartet die Tabellensummen der Quadrate, die Sie von anova erhalten, etwa:

  > x <-runif (100) > y <-runif (100) > anova (lm ( y ~ x)) Analyse der Varianztabelle Antwort: y Df Summe Sq Mittelwert Sq F Wert Pr (>F) x 1 0,0023 0,002314 0,0303 0,8623Residuals 98 7,4958 0,076487  

Und diese Quadratsummen sollten summieren zu den Gesamtsummen der Quadrate:

  > var (y) * (Länge (y) -1) [1] 7.498077  

Sie tun es nicht Haben Sie dies, weil Sie kein allgemeines lineares Modell erstellt haben (oder was der Editor als Anova betrachtet) und Sie daher keine Quadratsummen haben.

Sie könnten versuchen, dies zu erklären. Aber ich gehe gerne den Weg des geringsten Widerstands, wenn es um statistische Probleme mit Redakteuren geht, und ich würde die Tabelle einfach umbenennen. Man könnte es Typ-III-Tests mit festen Effekten nennen (ich denke, SAS und SPSS nennen es so) oder so etwas wie "Signifikanztests für jeden Prädiktor". Ich würde auch den Achsenabschnitt daraus entfernen (es sei denn, Sie sind wirklich daran interessiert) und ich wäre versucht, auch mmolO2.L zu entfernen, wenn (wie ich annehmen würde) Sie dies bereits in den Parameterschätzungen haben.

Sie lösen eine "klassische ANOVA" (lineares Modell) mit Hilfe der kleinsten Quadrate, dh indem Sie die Quadratsummen (unter erklärenden Faktoren) aufteilen und die verbleibende Quadratsumme minimieren (ungeklärte Variation). Eine ANOVA-Tabelle setzt diese Partition in alle Komponenten des Modells fort.

In einem linearen gemischten Modell lösen Sie das Problem durch maximale Wahrscheinlichkeit (oder eventuell REML), sehr locker Finden der Parameter, die die Wahrscheinlichkeit der Beobachtung der Daten maximieren ( Wahrscheinlichkeit ), wenn mehrere Annahmen zutreffen.

Die Tabelle "ANOVA", die Sie erhalten, ist dann nicht diese Aufteilung der Quadratsummen, aber eine Liste von Parametern im Modell (für die festen Faktoren), gefolgt von Wald-Tests der Nullhypothesen, dass sie gleich Null sind. Unter ? Anova.lme (wenn Sie die lme -Funktion des nlme -Pakets verwendet haben, wie ich vermute) finden Sie einige Details zu den Informationen, die Sie erhalten, wenn sie angewendet werden zu einem einzelnen Modell [Übrigens, es wird Sie über etwas anderes informieren, wenn es auf zwei oder mehr Modelle angewendet wird, siehe dieselbe Hilfeseite].

Wenn Sie Zusammenfassung (Modell) , erhalten Sie mehr Informationen, einschließlich der geschätzten zufälligen / verbleibenden Abweichungen (beide ~ Fehler in Ihrem Modell), die bei der Beschreibung Ihres angepassten Modells sinnvoll sein können.

[BTW2: Stellen Sie sicher zu verstehen, was die Parameter im Modell (und die Linien in dieser Tabelle) im Vergleich zu den Faktoren in einer klassischen ANOVA-Tabelle darstellen; B. ist die Dummy- oder Behandlungscodierung in R]