La diferencia no es debida a los diferentes "tipos de la suma de los cuadrados" - estos sólo importa desequilibrada diseños factoriales (ver gung la respuesta).
Tenga en cuenta que usted necesita llamar a lm(data ~ factor(f1) * factor(2))
(aov()
convierte automáticamente por el lado derecho de la fórmula de los factores). A continuación, anote el denominador de la general $t$-estadística en la regresión lineal (ver esta respuesta para más explicaciones):
$$t = \frac{\hat{\psi} - \psi_{0}}{\hat{\sigma} \sqrt{\bf{c}' (\bf{X}'\bf{X})^{-1} \bf{c}}}$$
$\bf{c}' (\bf{X}'\bf{X})^{-1} \bf{c} $ differs for each tested $\beta$ coefficient because the vector $\bf{c}$ changes. In contrast, the denominator in the ANOVA $F$-test es siempre MSE.