ANOVA和ANCOVA
ANOVA与ANCOVA
ANOVA和ANCOVA都是具有不同特征的统计模型：
方差分析
方差分析（ANOVA）是统计模型及其程序的集合，用于观察基于所呈现的样本的群体中三个或更多个变量的平均值之间的差异。它在比较三种或更多种方法时非常有用。
它是一种统计工具，已在农业，心理学和不同行业等多个部门中使用。它假设每个观察是独立的，DV和CV之间的测量水平间隔，以及基础种群必须正常分布并且必须具有相同的方差。
ANOVA模型：
1.固定效应模型，假设来自正常人群的数据的手段不同，可以估计对他们的任何治疗产生的反应范围。 2.随机效应模型，假设来自不同群体的受约束层级的数据采用不同因子水平进行采样。 3.混合效应模型，描述存在固定和随机效应的情况。
虽然也可以使用非线性模型，但所有方差分析方法都使用线性模型来创建响应的假设，即可能的分布。 它假设案例是独立的，模型简化了统计分析。它还假设残差的正态分布和方差的相等性，并且方差必须始终是恒定的。
方差分析的类型： 单因子方差分析用于测试两个或多个独立组之间的差异。 因子ANOVA，用于研究治疗之间的相互作用。 当每个治疗使用相同的受试者时，使用重复测量ANOVA。 当存在多个响应变量时，使用多变量方差分析（MANOVA）
协方差分析 ANCOVA是一种ANOVA模型，具有一般线性模型，具有连续结果变量（定量，缩放）和两个或更多预测变量，其中至少一个是连续的，并且至少一个是分类的（标称的，非标度的）。 它是ANOVA和连续变量回归的合并，并且具有协变量。其解释取决于对输入模型的数据的某些假设。 依赖变量和自变量之间的关系必须是参数线性的。它评估了因协变量差异而调整的人口平均值是否因因变量水平而异。 在ANCOVA中统计控制第三个变量的影响，并且可以使用任意数量的独立变量和CV来创建单向，双向和多变量ANCOVA设计。 ANCOVA假设协变量必须与因变量线性相关，并且它们必须具有回归效应的同质性。它假设协变量应该与自变量无关，并且它们不应该彼此过度相关。 摘要 1. ANOVA是用于观察变量之间差异的统计模型和技术，而ANCOVA是ANOVA模型。 2. ANOVA使用线性和非线性模型，而ANCOVA使用一般线性模型。 ANCOA有一个协变量，而ANOVA没有。
