示例：用于非重复析因的 ANOVA
使用函数
anova 对非重复析因的方差进行分析，方法是检测非显著因子，然后将析因延伸到低阶析因。
1. 调用
fullfact 函数，构建实验的完全析因设计矩阵以检验试验设备的筛选率。因子
A、
B、
C 和
D 分别代表温度、压力、甲醛浓度和搅拌速度。
2. 将实验结果记录到 Y1 矩阵中，其中，一个元素对应于十六次实验中的一次实验。
4. 创建效果图，确定影响实验结果的重要因子。
因子 C 以及与 C 有关的二阶交互作用仅对实验结果有很小的影响。同 A、B 和 D 因子相比，因子 C 的作用并不显著。
5. 调用函数 anova 执行方差分析。
由于 Y1 是非重复的，因此，函数 anova 将返回一个错误。不过，由于 C 作用不显著，因此，就 A、B 和 D 而言，“Run 1” 和 "Run 5" 是重复的。“Run 2" 和 "Run 6" 也如此。实际上，如果 C 作用不显著，则整个 ABCD 24 设计矩阵将包含 ABD 23 设计矩阵的副本。
6. 调用函数 fullfact，创建 23 完全析因设计矩阵。
在 X2 中，会更改因子名称。初始因子 A、B、D 变为 A、B、C。
7. 重新安排实验结果以拟合 23 完全析因实验。
8. 使用 Y2 调用 anova 函数。
9. 使用
qF 函数计算各因子及其交互作用的临界
F-value，并将其
F-value 与该临界
F-value 加以比较。
◦ 由效果图可以看出，与 A、B 和 D 相比，因子 C 的作用并不显著。
◦ 因子 A、B、D (在 V 中显示为 A、B、C) 及其交互作用 AD、BD (在 V 中显示为 AC、BC) 在 5% 级别上的作用较为显著，因为它们的 F-values 大于 Fcrit。此方差分析进一步验证了从效果图得出的主观结论。
参考文献
Montgomery, D.C., Design and Analysis of Experiments, 5th ed., John Wiley & Sons, New York, 2001, pp. 246.
