解释 完全嵌套方差分析 的所有统计量和图形

总自由度 (DF) 是数据中的信息量。分析使用这些信息来估计未知总体参数的值。总自由度由样本中的观测值个数确定。项的自由度显示了项所使用的信息量。增加样本数量可提供有关总体的更多信息，从而增加总自由度。增加模型中项的数量会使用更多信息，这会降低可用于估计参数估计值变异性的自由度。

连续平方和是对模型不同分量的变异的度量。与调整的平方和不同，连续平方和取决于项输入模型的顺序。在方差分析表中，Minitab 会将连续平方和分成不同的分量，这些分量描述了不同来源导致的变异。

连续 SS 项

项的连续平方和是由项（该项未由前一个输入的项解释）解释的变异的特定部分。它是由连续添加到模型中的每个项解释的响应数据变异量的量化表现。

连续 SS 误差

误差平方和就是残差平方和。它可以量化预测变量无法解释的数据中的变异。

Seq SS 合计

总平方和是项平方和与误差平方和的总和。它可以量化数据中的总变异量。

序贯均方会度量由项或模型解释的变异数量。序贯均方取决于项输入到模型中的顺序。与连续平方和不同，序贯均方要考虑自由度。

序贯均方误（也称为 MSE 或 s²）是关于拟合值的方差。

在方差分析表中，针对每个项显示 F 值。此 F 值是用于确定项是否与响应相关联的检验统计量。

P 值是一个概率，用来度量否定原假设的证据。概率越低，否定原假设的证据越充分。

方差分量用于评估因方差分析表中每个随机项而在响应中产生的变异量。

合计的百分比估计由模型中每个随机项贡献的总方差的百分比。计算方法是将每个源的方差除以总变异，再乘以 100 即为百分比。

如果方差分量估计值小于零，则 Minitab 会将总变异性百分比显示为零。

标准差是方差分量表中每个随机项的标准差。此标准差等于该源方差的平方根。

标准差是一种度量变异的便利方式，因为它具有与响应变量相同的度量单位。

在包含随机项的模型中，期望均方会描述每个变异源组成方差的线性组合的方式。