0.参考链接

https://blog.csdn.net/xxiangyusb/article/details/99672801

https://blog.csdn.net/tsfx051435adsl/article/details/118444798?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165560292816781667881859%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=165560292816781667881859&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_click~default-1-118444798-null-null.142^v17^pc_search_result_control_group,157^v15^new_3&utm_term=%E5%8F%8C%E5%9B%A0%E7%B4%A0%E6%96%B9%E5%B7%AE%E5%88%86%E6%9E%90&spm=1018.2226.3001.4187
用数理统计分析试验结果，鉴别各因素对结果影响程度的方法。人们关心的试验结果称为指标，试验中需要考察、可以控制的条件称为因素或因子，因素所处的状态称为水平。

1.应用场景

为了使生产过程稳定，达到优质、高产，需要对影响产品质量的因素进行分析，找出有显著影响的那些因素，除了从机理方面进行研究外，常常要做许多试验，对结果作分析、比较，寻求规律。
例如，从用几种不同工艺制成的灯泡中，各抽取了若干测量其寿命，要推断这几种工艺制成的灯泡寿命是否有显著差异（单因素方差分析）；再如，用几种化肥和几个小麦品种在若干试验田里种植小麦，要推断不同的化肥和品种对产量有无显著差异（双因素方差分析）。

2.单因素方差分析

只考虑一个因素A，A取几个水平，在每个水平上做若干试验，试验过程中，除A外的其他影响指标的因素都保持不变（只有随机因素存在）
将问题转换为假设检验——利用F-分布做显著性水平检验。
方差分析一般用的显著性水平是：

  • 取α=0.01，拒绝H0 ，称因素A的影响（或A各水平的差异）非常显著
  • 取α=0.01，不拒绝H0 ；而取α=0.05，拒绝H0，称因素A的影响显著
  • 取α = 0.05，不拒绝H0，称因素A的无显著影响

image.png

3.双因素方差分析

考虑两个因素A，B对指标的影响。A，B各划分几个水平，对每一个水平组合做若干次试验，对所得数据进行方差分析，检验两因素是否对分别对指标有显著影响，或者还要进一步检验两因素是否对指标有显著的交互影响。
image.png
image.png
image.png
image.png

4.多因素方差分析