Aliases: proj proj.default proj.lm proj.aov proj.aovlist
Keywords: models
### ** Examples N <- c(0,1,0,1,1,1,0,0,0,1,1,0,1,1,0,0,1,0,1,0,1,1,0,0) P <- c(1,1,0,0,0,1,0,1,1,1,0,0,0,1,0,1,1,0,0,1,0,1,1,0) K <- c(1,0,0,1,0,1,1,0,0,1,0,1,0,1,1,0,0,0,1,1,1,0,1,0) yield <- c(49.5,62.8,46.8,57.0,59.8,58.5,55.5,56.0,62.8,55.8,69.5, 55.0, 62.0,48.8,45.5,44.2,52.0,51.5,49.8,48.8,57.2,59.0,53.2,56.0) npk <- data.frame(block = gl(6,4), N = factor(N), P = factor(P), K = factor(K), yield = yield) npk.aov <- aov(yield ~ block + N*P*K, npk) proj(npk.aov)
(Intercept) block N P K N:P N:K
1 54.875 -0.850 -2.808333 -0.5916667 -1.991667 0.9416667 1.175
2 54.875 -0.850 2.808333 -0.5916667 1.991667 -0.9416667 1.175
3 54.875 -0.850 -2.808333 0.5916667 1.991667 -0.9416667 -1.175
4 54.875 -0.850 2.808333 0.5916667 -1.991667 0.9416667 -1.175
5 54.875 2.575 2.808333 0.5916667 1.991667 0.9416667 1.175
6 54.875 2.575 2.808333 -0.5916667 -1.991667 -0.9416667 -1.175
7 54.875 2.575 -2.808333 0.5916667 -1.991667 -0.9416667 1.175
8 54.875 2.575 -2.808333 -0.5916667 1.991667 0.9416667 -1.175
9 54.875 5.900 -2.808333 -0.5916667 1.991667 0.9416667 -1.175
10 54.875 5.900 2.808333 -0.5916667 -1.991667 -0.9416667 -1.175
11 54.875 5.900 2.808333 0.5916667 1.991667 0.9416667 1.175
12 54.875 5.900 -2.808333 0.5916667 -1.991667 -0.9416667 1.175
13 54.875 -4.750 2.808333 0.5916667 1.991667 0.9416667 1.175
14 54.875 -4.750 2.808333 -0.5916667 -1.991667 -0.9416667 -1.175
15 54.875 -4.750 -2.808333 0.5916667 -1.991667 -0.9416667 1.175
16 54.875 -4.750 -2.808333 -0.5916667 1.991667 0.9416667 -1.175
17 54.875 -4.350 2.808333 -0.5916667 1.991667 -0.9416667 1.175
18 54.875 -4.350 -2.808333 0.5916667 1.991667 -0.9416667 -1.175
19 54.875 -4.350 2.808333 0.5916667 -1.991667 0.9416667 -1.175
20 54.875 -4.350 -2.808333 -0.5916667 -1.991667 0.9416667 1.175
21 54.875 1.475 2.808333 0.5916667 -1.991667 0.9416667 -1.175
22 54.875 1.475 2.808333 -0.5916667 1.991667 -0.9416667 1.175
23 54.875 1.475 -2.808333 -0.5916667 -1.991667 0.9416667 1.175
24 54.875 1.475 -2.808333 0.5916667 1.991667 -0.9416667 -1.175
P:K Residuals
1 0.1416667 -1.39166667
2 -0.1416667 4.47500000
3 0.1416667 -5.02500000
4 -0.1416667 1.94166667
5 0.1416667 -5.30000000
6 0.1416667 2.80000000
7 -0.1416667 2.16666667
8 -0.1416667 0.33333333
9 -0.1416667 3.80833333
10 0.1416667 -3.22500000
11 0.1416667 1.07500000
12 -0.1416667 -1.65833333
13 0.1416667 4.22500000
14 0.1416667 0.42500000
15 -0.1416667 -0.50833333
16 -0.1416667 -4.14166667
17 -0.1416667 -2.82500000
18 0.1416667 3.17500000
19 -0.1416667 -1.75833333
20 0.1416667 1.40833333
21 -0.1416667 -0.18333333
22 -0.1416667 -1.65000000
23 0.1416667 -0.01666667
24 0.1416667 1.85000000
attr(,"df")
(Intercept) block N P K N:P
1 5 1 1 1 1
N:K P:K Residuals
1 1 12
attr(,"formula")
yield ~ block + N * P * K
attr(,"onedf")
[1] FALSE
attr(,"factors")
attr(,"factors")$`(Intercept)`
[1] "(Intercept)"
attr(,"factors")$block
[1] "block"
attr(,"factors")$N
[1] "N"
attr(,"factors")$P
[1] "P"
attr(,"factors")$K
[1] "K"
attr(,"factors")$`N:P`
[1] "N" "P"
attr(,"factors")$`N:K`
[1] "N" "K"
attr(,"factors")$`P:K`
[1] "P" "K"
attr(,"factors")$Residuals
[1] "block" "N" "P" "K" "Within"
attr(,"call")
aov(formula = yield ~ block + N * P * K, data = npk)
attr(,"t.factor")
block N P K N:P N:K P:K N:P:K
yield 0 0 0 0 0 0 0 0
block 1 0 0 0 0 0 0 0
N 0 1 0 0 1 1 0 1
P 0 0 1 0 1 0 1 1
K 0 0 0 1 0 1 1 1
attr(,"class")
[1] "aovproj"
## as a test, not particularly sensible options(contrasts = c("contr.helmert", "contr.treatment")) npk.aovE <- aov(yield ~ N*P*K + Error(block), npk) proj(npk.aovE)
(Intercept) :
(Intercept)
1 54.875
2 54.875
3 54.875
4 54.875
5 54.875
6 54.875
7 54.875
8 54.875
9 54.875
10 54.875
11 54.875
12 54.875
13 54.875
14 54.875
15 54.875
16 54.875
17 54.875
18 54.875
19 54.875
20 54.875
21 54.875
22 54.875
23 54.875
24 54.875
attr(,"df")
attr(,"df")$df
(Intercept)
1
attr(,"onedf")
attr(,"onedf")$onedf
[1] FALSE
attr(,"factors")
attr(,"factors")$`(Intercept)`
[1] "(Intercept)"
block :
N:P:K Residuals
1 -1.241667 0.3916667
2 -1.241667 0.3916667
3 -1.241667 0.3916667
4 -1.241667 0.3916667
5 1.241667 1.3333333
6 1.241667 1.3333333
7 1.241667 1.3333333
8 1.241667 1.3333333
9 1.241667 4.6583333
10 1.241667 4.6583333
11 1.241667 4.6583333
12 1.241667 4.6583333
13 1.241667 -5.9916667
14 1.241667 -5.9916667
15 1.241667 -5.9916667
16 1.241667 -5.9916667
17 -1.241667 -3.1083333
18 -1.241667 -3.1083333
19 -1.241667 -3.1083333
20 -1.241667 -3.1083333
21 -1.241667 2.7166667
22 -1.241667 2.7166667
23 -1.241667 2.7166667
24 -1.241667 2.7166667
attr(,"df")
attr(,"df")$df
N:P:K Residuals
1 4
attr(,"onedf")
attr(,"onedf")$onedf
[1] FALSE
attr(,"factors")
attr(,"factors")$`N:P:K`
[1] "N" "P" "K"
attr(,"factors")$Residuals
[1] "block"
Within :
N P K N:P N:K P:K Residuals
1 -2.808333 -0.5916667 -1.991667 0.9416667 1.175 0.1416667 -1.39166667
2 2.808333 -0.5916667 1.991667 -0.9416667 1.175 -0.1416667 4.47500000
3 -2.808333 0.5916667 1.991667 -0.9416667 -1.175 0.1416667 -5.02500000
4 2.808333 0.5916667 -1.991667 0.9416667 -1.175 -0.1416667 1.94166667
5 2.808333 0.5916667 1.991667 0.9416667 1.175 0.1416667 -5.30000000
6 2.808333 -0.5916667 -1.991667 -0.9416667 -1.175 0.1416667 2.80000000
7 -2.808333 0.5916667 -1.991667 -0.9416667 1.175 -0.1416667 2.16666667
8 -2.808333 -0.5916667 1.991667 0.9416667 -1.175 -0.1416667 0.33333333
9 -2.808333 -0.5916667 1.991667 0.9416667 -1.175 -0.1416667 3.80833333
10 2.808333 -0.5916667 -1.991667 -0.9416667 -1.175 0.1416667 -3.22500000
11 2.808333 0.5916667 1.991667 0.9416667 1.175 0.1416667 1.07500000
12 -2.808333 0.5916667 -1.991667 -0.9416667 1.175 -0.1416667 -1.65833333
13 2.808333 0.5916667 1.991667 0.9416667 1.175 0.1416667 4.22500000
14 2.808333 -0.5916667 -1.991667 -0.9416667 -1.175 0.1416667 0.42500000
15 -2.808333 0.5916667 -1.991667 -0.9416667 1.175 -0.1416667 -0.50833333
16 -2.808333 -0.5916667 1.991667 0.9416667 -1.175 -0.1416667 -4.14166667
17 2.808333 -0.5916667 1.991667 -0.9416667 1.175 -0.1416667 -2.82500000
18 -2.808333 0.5916667 1.991667 -0.9416667 -1.175 0.1416667 3.17500000
19 2.808333 0.5916667 -1.991667 0.9416667 -1.175 -0.1416667 -1.75833333
20 -2.808333 -0.5916667 -1.991667 0.9416667 1.175 0.1416667 1.40833333
21 2.808333 0.5916667 -1.991667 0.9416667 -1.175 -0.1416667 -0.18333333
22 2.808333 -0.5916667 1.991667 -0.9416667 1.175 -0.1416667 -1.65000000
23 -2.808333 -0.5916667 -1.991667 0.9416667 1.175 0.1416667 -0.01666667
24 -2.808333 0.5916667 1.991667 -0.9416667 -1.175 0.1416667 1.85000000
attr(,"df")
attr(,"df")$df
N P K N:P N:K P:K Residuals
1 1 1 1 1 1 12
attr(,"onedf")
attr(,"onedf")$onedf
[1] FALSE
attr(,"factors")
attr(,"factors")$N
[1] "N"
attr(,"factors")$P
[1] "P"
attr(,"factors")$K
[1] "K"
attr(,"factors")$`N:P`
[1] "N" "P"
attr(,"factors")$`N:K`
[1] "N" "K"
attr(,"factors")$`P:K`
[1] "P" "K"
attr(,"factors")$Residuals
[1] "block" "Within"