了解均方

均方表示总体方差的估计值。它通过将相应平方和除以自由度计算得出。

调整均方通过将调整平方和除以自由度计算得出。调整平方和不依赖于因子输入模型的顺序。如果模型中存在所有其他因子，那么这是 SS 回归中唯一由因子解释的部分，与将因子输入到模型中的顺序无关。

例如，如果模型有三个因子 X1、X2 和 X3，假设 X1 和 X3 已经在模型中，那么 X2 的调整的平方和表示 X2 解释的其余变异的量。

如果不将任何因子指定为随机因子，那么 Minitab 会将其假定为固定因子。在此情况下，F 统计量的分母将为 MSE。但是，对于包括随机项的模型，MSE 并不总是正确的误差项。您可通过检查期望均方来确定 F 检验中使用的误差项。

当您执行一般线性模型时，Minitab 会显示一个表，其中包含每个 F 检验在默认情况下使用的期望均方、估计的方差分量和误差项（分母均方）。期望均方是这些项在指定模型中的期望值。如果某一项没有对应的 F 检验，那么 Minitab 会针对相应的误差项求解，以构造近似的 F 检验。此检验称为综合检验。

方差分量的估计值是无偏的方差分析估计值。这些值是通过将每个计算均方都设置为与期望均方相等的值后计算得出的，将在随后求解的未知方差分量中提供线性方程组。不幸的是，此方法会产生负估计值，该值本应设置为零。但 Minitab 会显示负估计值，因为这些值有时候可以证明拟合的模型不适用于数据。对于固定项，不会为其估计方差分量。