我需要测试我应该在我的模型中包含哪些效果，以便对奶牛进行遗传评估。在SAS中，我会使用proc GLM。 SAS的代码将是：Proc GLM（SAS）使用R
data paula1; set paula0;
proc glm;
class year herd season;
model milk= year herd season age age*age;
run;
我的R代码里面是：
model1 = glm(milk ~ factor(year) + factor(herd) + factor(season) + age + I(age^2), data=paula1)
anova(model1)
我怀疑这有什么不对的，因为所有的影响在统计上显著，甚至当我包括不相关的其他影响性状。我没有SAS许可证来比较结果。 R中的代码是否正确？ R中的glm是否表示类型3的平方和（对于SAS中提出的不平衡数据）？这种情况下使用lm有什么区别吗？ 在此先感谢。 Paula
这是SAS和R用户之间非常常见的错误。
SAS中的glm包与R中的glm函数不同，下面我会解释它。
This适用于SAS官方网站：“GLM程序使用最小二乘法拟合一般线性模型”。 SAS中的GML简称为一般线性模型。这些与广义线性模型完全不同，这是R中GML函数计算的结果。
This是R中的GLM功能：“广义线性模型也同样容易融入R作为普通的线性模型事实上，他们只需要一个额外的参数来指定变化和链接功能 的基本。工具用于装配广义线性模型是GLM功能，其具有folllowing通式结构：
glm(formula, family, data, weights, subset, ...)“
通常，一般线性模型用于参数估计的普通最小二乘法，而广义线性模型使用参数估计的最大似然估计。广义线性模型也“允许线性模型通过链接函数与响应变量相关，并允许每个测量的方差的大小是其预测值的函数”（取自维基百科here）“
要结束我长时间的演讲，您需要使用的是R中的lm函数，因为对于ANOVA表，您将得到与SAS中的GLM包相同的结果。对于III型错误，请检查Joran和BondedDust的准确评论。
希望它有帮助！
非常感谢@LyzandeR。 – PaulaF 2014-11-23 00:53:32
对应于R的glm的SAS程序是GENMOD。
在R的回归模型中输入多项式项的正确方法是使用poly。阅读帮助页面?poly。对于二次程度的正交多项式：
lm(milk ~ year + herd + season + poly(age, 2), data=dat)
您明确不应该使用'年龄+ I（年龄^ 2），因为这两个方面都会有高度的相关性，你会得到约的意义错误的推论或更多的多项式次序。
如果列的类别不明确，使得它们不是字符或因子或逻辑的，那么您可能需要在它们周围包装factor(.)，如LyzandeR所示，但通常只有在术语类型-'数字'。
如果由于某种原因，例如缺乏上级关于III型错误的教育，您需要使用它们，然后查看具有生产设施的汽车包装。
你应该阅读这个，特别是链接的pdf，为什么R社区对所谓的III型SS有强烈的感受：http://stats.stackexchange.com/a/23198 – joran 2014-11-22 23:35:27
对“III型”的简短回答：不。您没有提供数据时，您要求我们对方法进行评论。不是一个真正的编码问题，是吗？如果你想问统计问题，你应该去CrossValidated.com – 2014-11-22 23:42:08