文档介绍：方差分析与相关性分析
方差分析 （analysis of variance, 简称为ANOVA）
单因素方差分析齐次性检验结果：t=，p=>,通过方差齐次性检验。即本例属于方差相等时的方差分析问方差分析与相关性分析
方差分析 （analysis of variance, 简称为ANOVA）
方差分析 （analysis of variance, 简称为ANOVA）
单因素方差分析齐次性检验结果：t=，p=>,通过方差齐次性检验。即本例属于方差相等时的方差分析问题，这为下面的分析作准备。
方差分析 （analysis of variance, 简称为ANOVA）
单因素方差分析结果，包括组间离差平方和、组内离差平方和总离差平方和。从表中可知，p=<,说明三个不同密度的小麦群体中2/3高度的温度差异显著。进而可以进行多重比较。
方差分析 （analysis of variance, 简称为ANOVA）
多重比较结果，从表中可知密度1和密度3两两之间差异显著；密度1和2，2和3之间差异不显著。
方差分析 （analysis of variance, 简称为ANOVA）
方差分析 （analysis of variance, 简称为ANOVA）
单变量单因子方差分析
单变量方差分析属于广义线性模型（General Linear Model）中的一部分， 本分析包括的范围非常广泛，既可以分析单因子，也可以分析多因子，还可以进行协方差，最后给出方差分析表，并可以进行多重比较。和单因子方差分析（One way ANOVA）相比，单因子方差分析中的都可以在本分析中实现。
1
2
3
4
5
6
密度1
231
226
235
221
256
241
密度2
221
215
221
213
249
239
密度3
203
201
215
201
238
221
1 在三个不同密度的燕麦地里测产，每个密度取样测了6块地，数据如下表，试问不同密度小麦地产量有无差异，差异来自那两个密度之间。(密度1>密度2>密度3)
从表中可知，p=<,说明三个不同密度的燕麦产量差异显著。进而可以进行多重比较。
多重比较结果，从表中可知密度1和密度3两两之间差异显著；密度1和2，2和3之间差异不显著。
回归分析与相关分析 回归和相关的概念
回归分析内容
相关分析
2 下表为青海一月平均气温与海拔高度及纬度的数据，试分析一月平均气温与海拔高度，一月平均气温与纬度是否存在线性关系（计算一月气温分别与海拔高度和纬度的简单相关系数）。
测站
一月气温
海拔高度
纬度
昂欠
-
364
清水河
-17
442
玛多
-
422
35
共和
-
284
铁卜加
-
320
茫崖
-
314
托勒
-
336
伍道梁
-
465
察尔汗
-
268
吉迈
-
397
尖扎
-
208
西宁
-
226
从上表可知，一月气温与海拔高度和纬度的相关系数分别为--，说明一月气温与海拔高度和纬度均呈负相关关系；<>，表明一月气温与海拔高度的相关性显著，而一月气温与纬度的相关性不显著。
2 下表为青海一月平均气温与海拔高度及纬度的数据，试分析一月平均气温与海拔高度和纬度的偏相关系数（因为第三个变量纬度(海拔)的存在所起的作用,可能会影响纬度(海拔)与一月平均温度之间的真实关系）。
测站
一月气温
海拔高度
纬度
昂欠
-
364
清水河
-17
442
玛多
-
422
35
共和
-
284
铁卜加
-
320
茫崖
-
314
托勒
-
336
伍道梁
-
465
察尔汗
-
268
吉迈
-
397
尖扎
-
208
西宁
-
226
将--；同时再与