单因素方差分析结果分析 方差分析表中的2113SS表示平方和，MS表示均方，5261F是组间均方4102与组内均方的比例，P-value表示在相应F值下的概1653率值，F crit是在相应显著水平下的F临界值，在统计分析上可以通过P-value的大小来判断组间的差异显著性，通常情况下，当有极显著差异，>；0.05时没有显著差异，介于二者之间时有显著差异。也可通过F值来判断差异显著性，当F>；=F crit时，有显著(或极显著)差异。顺便说一下，F检验只能在总体上来检验差异显著性，不能判别这些显著差异具体来自哪些处理间，若要分析，需要进行多重比较。
协方差分析对统计样本量有什么要求 协方差分析是建立在方差分析和回归分析基础之上的一种统计分析方法.方差分析是从质量因子的角度探讨因素不同水平对实验指标影响的差异.一般说来，质量因子是可以人为控制的.回归分析是从数量因子的角度出发，通过建立回归方程来研究实验指标与一个(或几个)因子之间的数量关系.但大多数情况下，数量因子是不可以人为加以控制的.方差知道吧.两个不同参数之间的方差就是协方差若两个随机变量X和Y相互独立，则E[(X-E(X))(Y-E(Y))]=0，因而若上述数学期望不为零，则X和Y必不是相互独立的，亦即它们之间存在着一定的关系.定义E[(X-E(X))(Y-E(Y))]称为随机变量X和Y的协方差，记作COV(X，Y)，即COV(X，Y)=E[(X-E(X))(Y-E(Y))].协方差与方差之间有如下关系：D(X+Y)=D(X)+D(Y)+2COV(X，Y)D(X-Y)=D(X)+D(Y)-2COV(X，Y)因此，COV(X，Y)=E(XY)-E(X)E(Y).协方差的性质：（1）COV(X，Y)=COV(Y，X)；（2）COV(aX，bY)=abCOV(X，Y)，（a，b是常数）；（3）COV(X1+X2，Y)=COV(X1，Y)+COV(X2，Y).由协方差定义，可以看出COV(X，X)=D(X)，COV(Y，Y)=D(Y).协方差作为描述X和Y相关程度的量，在同一物理量纲之下有一定的作用，但同样的两个量采用不同的量纲使它们的协方差在数值上表现出很大的差异.为此引入如下概念。
单因素方差分析结果分析，懂的进来 假设检验是推断统计中的一项重要内容。在假设检验中常见到P 值(P-Value，Probability，Pr)，P 值是进行检验决策的另一个依据。P 值即概率，反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值，一般以P为显著，P为非常显著，其含义是样本间的差异由抽样误差所致的概率小于0.05 或0.01。实际上，P 值不能赋予数据任何重要性，只能说明某事件发生的机率。P时样本间的差异比P时更大，这种说法是错误的。统计结果中显示Pr>；F，也可写成Pr(>；F)，P=P{ F0.05>；F}或P=P{ F0.01>；F}。下面的内容列出了P值计算方法(1)P值是：e799bee5baa6e59b9ee7ad94313332623631321)一种概率，一种在原假设为真的前提下出现观察样本以及更极端情况的概率。2)拒绝原假设的最小显著性水平。3)观察到的(实例的)显著性水平。4)表示对原假设的支持程度，是用于确定是否应该拒绝原假设的另一种方法。(2)P 值的计算：一般地，用X 表示检验的统计量，当H0 为真时，可由样本数据计算出该统计量的值C，根据检验统计量X 的具体分布，可求出P 值。具体地说：左侧检验的P 值为检验统计量X 小于样本统计值C 的概率，即：P=P{ X右侧检验的P 值为检验统计量X 大于样本统计值C 的概率：P=P{ X>；C。
