Δεδομένα από 31 πωλητές τους οποίους χωρίζει σε τρεις ομάδες
(Α, n = 10), (Β, n = 11), (Γ, n = 10), τους εκπαιδεύει για 1, 2 και 3 ημέρες
αντίστοιχα και παρακολουθεί τις πωλήσεις τους (sales) τον επόμενο μήνα.

# 31 salesmen training in three groups, 1 (Group A), 2 (Group B) and 3 (Group C) days.
# Gender is also recorded.
perform.A = c(63.3, 68.3, 86.7, 52.8, 75, 58, 69.5, 32.7, 60.9, 58.2)
A.gender = c(1, 1, 1, 0, 0, 0, 1, 0, 0, 0)
perform.B = c(72.8, 88.2, 80.8, 71.3, 81.5, 47.6, 81, 81.4, 83, 76, 74.5)
B.gender = c(1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 1)
perform.C = c(82.3, 89.7, 81, 85.1, 74.1, 75.9, 74.7, 81.1, 76.4, 81.8)
C.gender = c(0, 0, 1, 0, 1, 1, 1, 1, 1, 0)
sales = c(perform.A, perform.B, perform.C)
gender = c(A.gender, B.gender, C.gender)
group = c(rep(1, 10), rep(2, 11), rep(3, 10))
gender = factor(gender, levels = c(0, 1), labels = c("Woman", "Man"))
group = factor(group, levels = c(1, 2, 3), labels = c("Α", "Β", "Γ"))
anova.df = data.frame(group, gender, sales)

1.Ορισμός ορθογώνιων συγκρίσεων

contrasts(anova.df$gender) 

2 Υλοποίηση της ανάλυσης διακύμανσης (2 way ANOVA)

library(car)
lm.model = lm(sales ~ group + gender + group * gender, anova.df)
Anova(lm.model, type="III")

3. Υπολογισμός των δεικτών η2

library(lsr)
etaSquared(aov(lm.model), type = 3)

4. Καταγραφή υπολοίπων

data.res = resid(lm.model)

5. Γραφική αναπαράσταση υπολοίπων

boxplot(data.res, col = c("orange"), horizontal = TRUE, main = "Residuals boxplot")
hist(data.res, main = "Residuals histogram",  col = c("coral4"))

6. Έλεγχος κανονικότητας υπολοίπων

shapiro.test(data.res)

7. Έλεγχος ομοιογένειας ανεξάρτητων ομάδων

leveneTest(sales ~   group * gender, anova.df)