我目前正在写我的硕士论文，并计划使用 SigmaPlot 运行统计数据。然而，在花了一些时间处理我的数据后，我得出结论，SigmaPlot 可能不适合我的问题（我可能弄错了），所以我开始了我在 R 中的第一次尝试，但这并没有让它变得更容易。

计划是对我的数据运行一个简单的双向方差分析，该数据由 3 种不同的蛋白质和 8 种不同的处理产生，所以我的两个因素是蛋白质和处理。我使用两者测试了正常性

> shapiro.test(time)

和

> ks.test(time, "norm", mean=mean(time), sd=sqrt(var(time)))

在这两种情况下（也许并不奇怪），我都得到了一个非正态分布。

这给我留下了第一个问题，即哪个测试用于方差相等。我想出了

> chisq.test(time)

结果是，我的数据也没有方差相等。

我尝试了不同的数据转换（对数、中心、标准化），所有这些都没有解决我的方差问题。

现在我很茫然，如何进行方差分析来测试哪些蛋白质和哪些治疗方法之间存在显着差异。我发现了有关 Kruskal-Walis-Test 的一些信息，但仅针对一个因素（？）。我还发现了有关排名或随机化的东西，但还没有发现如何在 R 中实现这些技术。

有人建议我应该怎么做吗？

编辑：谢谢你的回答，我对阅读有点不知所措（它似乎越来越多而不是越来越少），但我当然会继续前进。

这里是我的数据示例，正如建议的那样（我对格式感到非常抱歉，我无法找到另一个解决方案或放置文件的位置。我对这一切还是新手。）：

protein treatment   time  
A   con 2329.0  
A   HY  1072.0  
A   CL1 4435.0  
A   CL2 2971.0  
A   CL1-HY sim  823.5  
A   CL2-HY sim  491.5  
A   CL1+HY mix  2510.5  
A   CL2+HY mix  2484.5  
A   con 2454.0  
A   HY  1180.5  
A   CL1 3249.7  
A   CL2 2106.7  
A   CL1-HY sim  993.0  
A   CL2-HY sim  817.5  
A   CL1+HY mix  1981.0  
A   CL2+HY mix  2687.5  
B   con 1482.0  
B   HY  2084.7  
B   CL1 1498.0  
B   CL2 1258.5  
B   CL1-HY sim  1795.7  
B   CL2-HY sim  1804.5  
B   CL1+HY mix  1633.0  
B   CL2+HY mix  1416.3  
B   con 1339.0  
B   HY  2119.0  
B   CL1 1093.3  
B   CL2 1026.5  
B   CL1-HY sim  2315.5  
B   CL2-HY sim  2048.5  
B   CL1+HY mix  1465.0  
B   CL2+HY mix  2334.5  
C   con 1614.8  
C   HY  1525.5  
C   CL1 426.3  
C   CL2 1192.0  
C   CL1-HY sim  1546.0  
C   CL2-HY sim  874.5  
C   CL1+HY mix  1386.0  
C   CL2+HY mix  364.5  
C   con 1907.5  
C   HY  1152.5  
C   CL1 639.7  
C   CL2 1306.5  
C   CL1-HY sim  1515.0  
C   CL2-HY sim  1251.0  
C   CL1+HY mix  1350.5  
C   CL2+HY mix  1230.5