對於單因子變異數分析測試，為什麼「Fit Y by X」和「Fit Model」的結果不同？你好，
我試著使用「Fit Y by X」和「Fit Least Squares」進行單向變異數分析測試，我使用的樣本資料是「Snapdragon」。 最初，我認為兩種方法得到的 P 值和 F 比應該是相同的（請參閱突出顯示的部分）。 然而我錯了。 它們實際上是完全不同的
有人能告訴我為什麼使用這兩種方法會有不同嗎？ 哪一種分析比較準確？
非常感謝！
回覆：對於單向變異數分析測試，為什麼「Fit Y by X」和「Fit Model」的結果不同
知道了。 這已經非常有幫助了。 謝謝！
回覆：對於單向變異數分析測試，為什麼「Fit Y by X」和「Fit Model」的結果不同是的。 如果我有幾個可能影響反應的因素，我會以多種方式探索數據，並且很可能以多元模型（擬合模型）結束我的最終結論。 在某些情況下，您可能還需要考慮因素和逐步擬合之間的交互作用。
不幸的是，我無法告訴您在討論線程空間中的每種情況下您需要做什麼。 您可能需要考慮接受一些正式訓練。回覆：對於單向變異數分析測試，為什麼「Fit Y by X」和「Fit Model」的結果不同嗨菲爾，
感謝您的詳盡解釋。 現在這更有意義了。 因此，如果我有一組更複雜的數據（多個因素，每個因素都有> 5個水平）並且我嘗試找到最主要的因素，我應該進行擬合模型分析並從該結果中得出結論，而不是僅僅查看在單向方差分析結果中找到 F 比最高的那個。 我的理解正確嗎？
謝謝，
四超
回覆：對於單向變異數分析測試，為什麼「Fit Y by X」和「Fit Model」的結果不同您還問，哪個分析最準確？ 好吧，所有模型都是錯的...
然而，單獨的單向分析是將效應變異數與誤差變異數進行比較。 但誤差變異數被高估了，因為它包含可以用缺失效應來解釋的變異數。
因此，我建議組合模型是更有用的模型，因為誤差項只是我們考慮因素效應後留下的變異數。
這實際上可以追溯到實驗開始時提出的假設。
回覆：對於單向變異數分析測試，為什麼「Fit Y by X」和「Fit Model」的結果不同事實上，在這種情況下，您可以看到組合模型 (142) 的模型平方和只是各個模型中效果的平方和 (103 + 39)。 看看變異數分析表中的 - 希望它有意義。
（在這種情況下，土壤和塊效應是正交的 - 彼此不相關 - 因為它是來自設計實驗的數據。 在其他情況下 - 使用觀察數據 - 情況不一定如此）
回覆：對於單向變異數分析測試，為什麼「Fit Y by X」和「Fit Model」的結果不同你好，
簡單的答案是，透過 Fit Y by X，您可以擬合 2 個獨立的模型。 使用擬合模型，您可以擬合具有兩種效果的模型。
F 檢定將模型變異數與誤差變異數進行比較。 土壤效應和塊體效應的組合比其中任何一種效應對 Y 的變化造成的影響更大。 因此誤差變異數較低，F 比較高。
這樣有幫助嗎？
問候，
菲爾
