当您有一个分类自变量，并且要检验正态分布的连续因变量均值之间的差异时，可以使用ANOVA。因变量是二分的（M/F），因此不适合使用ANOVA。
假设您有与您的数据类似的分类数据，如下所示：

# Data
set.seed(123)
df <- data.frame(result = sample(0:1, 100, replace = TRUE),
                 group = sample(paste("Group", 1:4), 100, replace = TRUE))

由于数据是从均匀分布中随机抽取的，因此我们不期望组间有任何差异。我们可以使用卡方检验（一种常用的方法）进行统计检验。在R中，这可以实现为：

# Parametric Chi Squared
chisq.test(df$result, df$group)

#  Pearson's Chi-squared test
# 
# data:  df$result and df$group
# X-squared = 0.18662, df = 3, p-value = 0.9797

这里你可以看到p值远高于标准值0.05，所以我们可以得出结论，没有差异。
如果这些数据是非参数的（即Likert风格的数据），我们可以使用一个非参数的类比，称为Kruskal-Wallace，在R中它被实现为：

kruskal.test(df$result, df$group)
 
#  Kruskal-Wallis rank sum test
# 
# data:  df$result and df$group
# Kruskal-Wallis chi-squared = 0.18475, df = 3, p-value = 0.98

你也可以使用逻辑回归来检验关联的强度，在R中，这可以通过以下方式实现：

mdl <- glm(result ~ group, data = df, family = binomial(link = "logit"))
summary(mdl)

# Call:
# glm(formula = result ~ group, family = binomial(link = "logit"), 
#     data = df)
# 
# Deviance Residuals: 
#    Min      1Q  Median      3Q     Max  
# -1.128  -1.034  -1.034   1.281   1.328  
# 
# Coefficients:
#              Estimate Std. Error z value Pr(>|z|)
# (Intercept)   -0.1178     0.4859  -0.242    0.808
# groupGroup 2  -0.2305     0.6150  -0.375    0.708
# groupGroup 3  -0.2305     0.6150  -0.375    0.708
# groupGroup 4  -0.1234     0.6312  -0.195    0.845
# 
# (Dispersion parameter for binomial family taken to be 1)
# 
#     Null deviance: 136.66  on 99  degrees of freedom
# Residual deviance: 136.48  on 96  degrees of freedom
# AIC: 144.48
# 
# Number of Fisher Scoring iterations: 4

请注意，在逻辑回归中，您可能希望转换这些系数和标准误差以给予比值比（OR）。在R中，您可以通过以下方式进行转换：

exp(coef(mdl))
# (Intercept) groupGroup 2 groupGroup 3 groupGroup 4 
#   0.8888889    0.7941176    0.7941176    0.8839286 

exp(confint(mdl))

#                 2.5 %   97.5 %
# (Intercept)  0.3337300 2.324904
# groupGroup 2 0.2352175 2.680856
# groupGroup 3 0.2352175 2.680856
# groupGroup 4 0.2537607 3.081575

如您所见，OR置信区间包含空值（无差异）-正如预期。
这些只是一些例子，说明如何在您的数据类型中实现统计检验和效果度量，但并不全面。祝你好运！