一般多元方差分析的多元方差分析检验表

请查找多元方差分析检验表中每个统计量的定义和解释。

s

Minitab 使用 s 计算 Wilk、Lawley-Hotelling 和 Pillai 检验的 F 统计量。如果 s=1 或 2，则 F 统计量为确切值。如果 s ≠ 1 或 2，则 F 统计量为近似值。有关 Minitab 如何计算 s 的更多信息，请转到多元方差分析检验的方法和公式。

Minitab 使用 s 计算 F 值和 p 值。通常，您应评估 p 值，因为它更容易解释。

Minitab 使用 m 计算 Wilk、Lawley-Hotelling 和 Pillai 检验的 F 统计量。有关 Minitab 如何计算 m 的更多信息，请转到多元方差分析检验的方法和公式。

Minitab 使用 m 计算 F 值和 p 值。通常，您应评估 p 值，因为它更容易解释。

Minitab 使用 n 计算 Wilk、Lawley-Hotelling 和 Pillai 检验的 F 统计量。有关 Minitab 如何计算 n 的更多信息，请转到多元方差分析检验的方法和公式。

Minitab 使用 n 计算 F 值和 p 值。通常，您应评估 p 值，因为它更容易解释。

默认情况下，Minitab 为模型中的每一项显示四种多变量检验表：

检查 Wilks、Lawley-Hotelling 和 Pillai 检验统计量的 p 值，以判断是否有显著证据表明存在模型效应。如果 p 值小于显著性水平，则效应统计意义显著。一般来说，您可以使用任意一种检验得出相同的结论。如果结论不同，则采用最适合您数据的检验得出的结论。

Minitab 为每个多变量检验提供了检验统计量。每个检验的检验统计量名称如下所示：

有关 Minitab 如何计算每个检验统计量的更多信息，请转到“方法和公式”。

Minitab 使用检验统计量计算 F 值和 p 值。通常，您应评估 p 值，因为它更容易解释。

在方差分析表中，针对每个项显示 F 值：

Minitab 使用 F 值计算 p 值，使用 p 值可以做出有关项和模型的统计显著性的决定。P 值是一个概率，用来测量否定原假设的证据。概率越低，否定原假设的证据越充分。

足够大的 F 值表明项或模型十分显著。

如果要使用 F 值来确定是否要否定原假设，请将 F 值与临界值进行比较。可以在 Minitab 中计算临界值，也可以在大多数统计书籍的 F 分布表中查找临界值。有关使用 Minitab 计算临界值的更多信息，请转到使用逆累积分布函数 (ICDF)，然后单击“使用 ICDF 计算临界值”。

自由度分子是 Minitab 用于计算 F 的分子的自由度。

Minitab 使用 F 值计算 p 值。通常，您应评估 p 值，因为它更容易解释。

自由度分母是 Minitab 用于计算 F 的分母的自由度

Minitab 使用 F 值计算 p 值。通常，您应评估 p 值，因为它更容易解释。

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。

要同时检验所有响应中的均值是否相等，请将每个项的多元方差分析检验表中的 p 值与显著性水平进行比较。通常，显著性水平（用 α 或 alpha 表示）为 0.05 即可。显著性水平 0.05 指示在实际上不存在关联时得出存在关联的风险为 5%。

P 值 ≤ α：均值之间的差值在统计意义上显著: 如果 p 值小于或等于显著性水平，则可以得出均值的差值在统计意义上显著的结论。
P 值 > α：均值之间的差值在统计意义上不显著: 如果 p 值大于显著性水平，则无法得出均值的差值在统计意义上显著的结论。您可能希望重新拟合没有该项的模型。; 如果多个预测变量与响应在统计意义上没有显著的关联，则可以通过删除项（一次删除一个）来简化模型。有关从模型中删除项的更多信息，请转到模型简化。

如果一个模型项在统计意义上显著，则解释取决于该项的类型。解释如下所示：