1.什麽是方差分析？
方差分析用於分析分類數據和數量數據之間的關系。例如，研究人員想知道三組學生的平均智商是否有顯著差異。方差分析可用於多組數據，如本科以下、本科以上三組數據的差異。
方差分析，從內容上來說，就是分析或檢驗多個樣本的均值是否不同。雖然叫做方差分析，但並不是為了檢驗方差是否不同。只是意味著其測試中使用的方法或手段是通過方差進行的。
如何做方差分析？
二、方差細分分析
方差分析的分類如下:
單向方差分析
單因素方差分析用於分析分類數據和定量數據之間的關系。例如，研究人員想知道三組學生的平均智商是否有顯著差異。單向方差有以下假設:
觀察值是相互獨立的。
沒有明顯的異常值。
所有觀測變量都應服從正態分布。
每個觀察變量的總體滿足方差齊性。
(B)雙因素方差分析
雙因素方差分析用於分析兩個分類數據和數量數據之間的關系。比如研究性別、學歷對網購滿意度的影響；以及不同學歷的男性(女性)網購滿意度是否存在差異；或者不同性別在學歷相同的情況下網購滿意度是否存在差異。
對比單向方差分析:
方差分析* * *同壹點是研究不同類別樣本對於定量數據的差異。不同的是，單向方差分析只比較壹類數據，雙向方差分析可以比較兩類數據，對於定量數據可以研究兩類數據之間的交互作用。
單向方差分析應用廣泛；相比之下，雙因素方差對數據的要求更嚴格，所以更多的用於實驗研究。
三因素方差分析
當x是分類數據，y是數量數據時，通常用方差分析來研究這種差異。
當x為3時，稱為三因素方差。
(四)多元方差分析
當x是分類數據，y是數量數據時，通常用方差分析來研究這種差異。當x的個數為1時，我們稱之為單向方差；當x為2時，為雙因素方差；當x為3時，稱為三因素方差，以此類推。
當x超過1時，統稱為多元方差。
(5)協方差分析
在實驗研究中，需要考慮更多潛在的幹擾因素，如“減肥模式”對“減肥效果”的影響，年齡很可能是影響因素；同樣的減肥方式，但是不同的年齡段，減肥效果不壹樣；年齡屬於幹擾項，分析時需要考慮。如果方差分析中需要考慮幹擾項，則稱為協方差分析，幹擾項也稱為“協變”。
(6)重復測量方差
在壹些實驗研究中，往往需要考慮時間因素對實驗的影響。當同壹觀測單位需要在不同時間進行重復測量時，各樣本的測量數據之間存在相關性，不能簡單地用方差分析進行研究，需要用方差分析進行重復測量。
三、方差齊次檢驗怎麽做？
方差齊性檢驗用於分析不同分類數據組中數量數據的波動是否壹致。例如，研究人員想知道三組學生的智商波動是否壹致(通常期望波動壹致，即方差齊次)。
4.方差分析下的兩兩比較如何分析？
當我們想要研究不同組數據之間的差異時，我們通常選擇方差分析。但是方差分析只能得到壹個顯著的結果，具體是那些組有顯著差異，我們無法得知。因此，有必要對兩組進行比較。
回溯測試基於方差分析，比較兩組之間的差異。
方法選擇:
回測的方法多種多樣，但功能都是壹樣的，只是在個別點或使用場景上有小的差異。目前，SPSSAU提供LSD、Scheffe、Tukey、Bonferroni correction和Tamhane T2，其中LSD是最常用的。
多重比較方法的選擇。
在分析中，首先判斷方差分析的P值是否顯著。如果顯著，說明不同組的數據有顯著差異，差異可以用平均值來比較。然後我們可以通過回測來判斷兩組之間的差異。
如果只有兩組X，則不需要回測；如果方差分析顯示P值大於0.05，說明組間沒有差異，此時不需要進行回測。
非參數後驗多重比較；
當數據呈現嚴重偏態或方差不均勻時，可以考慮非參數分析，也可以進行兩兩比較。
非參數檢驗。
如果在非參數檢驗中發現Kruskal-Wallis顯著，可以繼續進壹步研究，比較兩組的差異，選擇“Nemenyi兩兩比較”輸出結果。
如果Kruskal-Wallis檢驗顯示沒有差異，則沒有必要進行成對比較。
5.方差分析和T檢驗，卡方分析有什麽區別？
方差分析是差異研究的分析方法之壹。差異研究的目的是比較兩組或多組數據之間的差異，通常包括三種分析方法，即方差分析、t檢驗和卡方檢驗。
其實最核心的區別就是數據類型不同。如果是分類的，分類的，這個時候要用卡方分析；如果是分類定量，這個時候就要用方差或者t檢驗。
方差和t檢驗的區別在於，對於t檢驗的x，只能分為兩類，比如男性和女性。如果x在三類，比如本科以下，本科以上；此時只能使用方差分析。
六、方差分析常見問題
異方差問題。
在計量經濟學中，某些情況下會出現異方差，嚴重的異方差會影響模型估計和模型檢驗，所以需要在OLS回歸中進行檢驗，如果出現異方差，需要進行相應的處理。
異方差的檢驗方法:
殘差圖。
白色測試。
血壓測試。
異方差處理方法:
原始數據的對數處理。
使用穩健穩健穩健標準誤差回歸。
FGLS回歸。