单因素方差分析与两因素方差分析基本原理有什么不同 一、条件原理不同1、两因素方差分析：假定因素A和因素B的效应之间是相互独立的，不存在相互关系2、单因素方差分析：假定因素所处的状态称为水平，试验中只有一个因素改变。二、假设原理不同1、两因素方差分析：假定因素A和因素B的结合会产生出一种新的效应。例如，若假定不同地区的消费者对某种品牌有与其他地区消费者不同的特殊偏爱，这就是两个因素结合后产生的新效应，属于有交互作用的背景2、单因素方差分析：δi表示在水平Ai下总体的均值μi与总平均μ的差异，称其为因子A的第i个水平Ai的效应。三、影响不同1、两因素方差分析：通过分析研究中不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。2、单因素方差分析：每个总体的方差σ2相同；从每个总体中抽取的样本。参考资料来源：-双因素方差分析参考资料来源：-单因素方差分析
为什么同一因素单因素和双因素方差分析时结果不同呢？ 这两个的分析思路是不一样的。一般来说，Anova的分析中显著性会高很多，而你说的一般线性分析求的是主效zd应，它的显著性比ANOVA受到的影响因素更多一些，因此也更低一点。但是，从规范的统计学分析而言，一般涉及版多个因子的时候，都会要求先做主效应，然后再对主效应显著的进行深入分析，采用Anova看显著性的来源是什么。不知道我的理解是不是准确，抛砖引玉一下，一定会有高手来解权决的
spss教程：单因素方差分析，用来测试某一个控制变量的不同水平是否给观察变量造成显著差异和变动。方差分析前提：不同水平下，各总体均值服从方差相同的正态分布。。
