参考资料：R语言实战【第2版】
ANOVA（方差分析）和回归都是广义线性模型的特例，方差分析也都可以使用lm()函数来分析。
R
# 加载multcomp包
library(multcomp)
# 查看cholesterol数据集的处理水平
levels(cholesterol$trt)
# 用aov()函数拟合模型
fit.aov<-aov(response~trt,data=cholesterol)
summary(fit.aov)
# 用lm()函数拟合
fit.lm<-lm(response~trt,data=cholesterol)
summary(fit.lm)
因为线性模型要求预测变量为数值型，当lm()函数碰到因子变量时，它会用一系列与因变量相对应的数值型对照变量来代替因子。如果因子变量有k个水平，将会创建k-1个对照变量。R语言提供了5种创建对照变量的内置方法（见下表），我们也可以选择默认，默认情况下，对照处理用于无序因子，正交多项式用于有序因子。
|-----------------|-------------------------------------------------------------|
| 对照变量创建方法 | 描述 |
| contr.helmert | 第二个水平对照第一个水平，第三个水平对照前两个水平的均值，第四个水平对照前三个水平的均值，以此类推。 |
| contr.poly | 基于正交多项式的对照，用于趋势分析（线性、二次、三次等）和等距水平的有序因子 |
| contr.sum | 对照变量之和限制为0。也称作偏差找对，对各水平的聚酯与所有水平的均值进行比较 |
| contr.treatment | 各水平对照基线水平（默认第一个水平），也称作虚拟编码 |
| contr.SAS | 类似于contr.treatment，只是基线水平变成了最后一个水平。生成的系数类似于大部分SAS过程中使用的对照变量 |
对对照（treatment contrast）为例，因子的第一个水平变成了参考组，随后的变量都以它为标准。可以通过contrasts()函数查看它编码过程。
若患者处于drugD条件下，变量drugD等于1，其他变量2times、 4times和drugE都等于0。
无需列出第一组的变量值，因为其他四个变量都为0，这已经说明患者处于1time条件。
在lm()的分析结果来看，变量trt2times表示水平1time和2times的一个对照。类似地，trt4times是1time和4times的一个对照，其余以此类推。从输出的概率值来看，各药物条件与第一组相比（ 1time）显著不同。