> dat = read.csv("stats.csv", header = TRUE)
> head(dat)
                 age ano sum c1 c2 c3 c4 c5 c6 c7 c8 c9 c10 c11 c12 c13 c14 c15 c16 c17 c18 c19 c20 c21 c22 c23 c24 c25
1 Entre 25 et 29 ans NON 125  1  4  4  4  4  4  4  4  2   4   4   4   5   4   4   4   5   4   4   4   4   4   2   2   4
2 Entre 25 et 29 ans NON  83  2  1  2  3  2  2  1  2  2   2   3   2   2   2   3   2   2   1   2   3   3   3   2   1   3
3 Entre 25 et 29 ans NON 167  5  5  5  5  5  5  5  5  5   5   5   5   5   5   5   5   5   5   4   5   5   5   3   3   5
4 Entre 21 et 24 ans NON 102  3  4  4  2  3  4  3  3  2   3   3   3   2   4   2   3   3   4   4   3   3   3   2   1   3
5 Entre 21 et 24 ans NON 110  4  4  4  2  4  4  3  2  2   5   3   4   4   5   2   2   2   5   2   5   4   4   1   1   2
6 Entre 21 et 24 ans NON 104  4  3  2  3  5  5  4  4  3   2   3   4   4   4   2   2   3   2   2   2   2   2   1   1   2
  c26 c27 c28 c29 c30 c31 c32 c33 c34 c35 c36 c37 c38 c39 c40 c41 c42
1   2   4   2   2   2   2   5   3   1   1   2   1   1   1   1   1   1
2   2   3   3   3   1   2   3   1   1   4   1   1   1   1   1   1   1
3   5   5   5   5   3   2   4   1   1   4   2   2   1   1   2   2   2
4   2   3   2   3   2   2   2   1   1   1   2   2   1   1   1   1   1
5   4   1   2   4   1   2   3   3   1   1   2   1   1   1   1   1   1
6   2   1   3   2   1   2   5   4   1   3   2   1   1   1   2   1   1
> as.numeric(dat$ano)
 [1] 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2
> lm1=lm(as.numeric(ano) ~ sum, data=dat)
> aov(lm1)
Call:
   aov(formula = lm1)

Terms:
                     sum Residuals
Sum of Squares  0.799145  9.700855
Deg. of Freedom        1        40

Residual standard error: 0.4924646
Estimated effects may be unbalanced
> anova(lm1)
Analysis of Variance Table

Response: as.numeric(ano)
          Df Sum Sq Mean Sq F value  Pr(>F)
sum        1 0.7991 0.79915  3.2952 0.07699 .
Residuals 40 9.7009 0.24252
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
>