单因素方差分析_用回归来理解方差分析（一）：单因素方差分析

之前写的那一篇太啰嗦了，索性删了，重新发。

1 单因素方差分析的形式

单因素方差分析针对的是单因素完全随机设计。只有一个自变量

，包含

，共

个水平，各水平之下有

个观测值。特别的，当各水平的观测值都为

时，称为等组设计。

等组设计的具体形式如下：

若各组观测值

数量不同，称为非等组设计，形式如下：

其中

各不相同

单因素方差分析的逻辑是对变异进行比较。通过对平方和(Sum of Squares)和自由度(Degree of Freedom)的分解，计算出组间平方和，组间自由度，组内平方和，组内自由度。进一步通过公式：

计算出组间方差和组内方差。此时组间方差包含了处理带来的变异，以及误差带来的变异；组内方差只包含了误差带来的变异，二者的差异（比值）体现了处理的显著性。而且在零假设为真的情况下，组间方差与组内方差的比值服从F分布，进而完成假设检验。

常规的流程大家都非常熟悉，接下来我们换个角度，从多元线性回归来看一看单因素方差分析。

2 单因素方差分析的线性模型

模型的基本形式

单因素方差分析的线性模型可以表示为：

其中

指第

个处理的效应，

表示第

个处理中，第

个观测值的随机误差。该式说明：某个观测值等于其所在的处理效果，附加上一个随机误差组成。

通常，我们让: