分析变异性的方法表

在使用最小二乘法和极大似然法时将显示方法表。

最小二乘法: 最小二乘估计值是通过将回归线拟合到数据集中的点来计算的，这些数据集具有最小的平方差和（最小二乘误）。
极大似然法: 似然函数指明了观测的样本作为可能参数值函数的几率有多大。因此，通过最大化似然函数，可以确定最可能产生观测数据的参数。从统计学观点来看，一般建议对大样本使用 MLE，因为此方法是通用的，适用于大多数模型和不同类型的数据，而且会产生最精确的估计值。

比较各种方法

在许多情况下，LS 和 MLE 结果之间的差异非常小，因而这两种方法可以互换使用。您可能希望同时运行这两种方法并查看其结果是否可以相互印证。如果结果不同，您可能希望找出其中原因。如果不一致，您也可以使用更保守的估计值，或者考虑两种方法的优点，然后再针对您的问题做出选择。

根据其相对强度，可以对分析的不同部分一同使用 LSE 和 MLE。请使用 LSE 的更精确的 p 值来选择要在模型中包括的项，并使用 MLE 估计最终系数。