什么是方差分析？

进行研究时，有时需要分析比较两个以上样本或组的数据。一种推论统计测试，分析方差（ANOVA），允许同时检查几个样本，以确定它们之间是否存在显着关系。推理与t检验相同，只有方差分析包括两个或多个样本的自变量。样本之间的差异以及一个样本中的差异。方差分析基于四个假设：测量水平，抽样方法，人群的分布以及方差的同质性。

为了确定差异是否显着，方差分析与样本之间和内部的差异有关，这被称为方差。与样本成员之间相比，方差分析可以确定样品之间的方差是否较大。如果发现这是正确的，那么差异被认为是显着的。

进行方差分析测试涉及接受某些假设。首先是使用独立的随机抽样方法，并且单个人群的样本成员的选择不会影响后来人群的选择。因变量主要在间隔比率水平上测量；但是，可以将方差分析应用于顺序级别的测量。人们可以假设人口是正态分布的，即使这是不可证实的，人口差异是相同的，这意味着人口是同质的。

这项研究假设假设至少一种平均值与另一种平均值不同，但是不同的均值并未确定为更大或更小。只有预测存在差异的事实。ANOVA对零假设进行了测试，这意味着所有平均值之间没有差异，因此a = b =C。这需要设置alpha，指的是拒绝零假设的概率水平。

F-Ratio是一种专门用于方差分析的测试统计量，因为F分数显示了零假设的排斥面积开始的位置。由统计学家罗纳德·费舍尔（Ronald Fisher）开发的F公式如下：f =组方差估计（MSB）除以组方差估计值（MSW），因此F = MSB/MSW。每个方差估计中的每个方差都由两个部分组成：平方之和（SSB和SSW）和自由度（DF）。使用生物，农业和医学研究的统计表，可以设置alpha并基于此设置，并且无差异的零假设可以拒绝。可以得出结论，如果是这种情况，则所有组之间存在显着差异。