MANOVA 与多响应方差分析你好，
在“拟合模型”对话框中，您可以拟合多个响应变量 (Y) 并测试多个预测变量的影响。我注意到，您可以使用“标准最小二乘拟合”并选择将您的响应拟合在一起，也可以使用 MANOVA 来执行此操作。这两种方法的结果截然不同。
我的问题是，这两种模型的解释有什么不同？
提前感谢您的回答。
基础数据分析与建模回复：MANOVA 与多响应 ANOVA你好@gchelini ，
如果没有数据集和获得的结果，可能很难帮助您。
从理论上讲，这两种方法是不同的，因为 MANOVA 使用响应之间的协方差来测试平均差异的统计显著性。标准最小二乘法/标准 ANOVA 针对多个响应分别/独立地测试每个响应的平均差异。
更多信息请访问：https: //en.wikipedia.org/wiki/Multivariate_analysis_of_variance
选择哪种方法主要取决于你的目标和数据收集过程，正如你所见，MANOVA 分析有几种可用的个性，具体取决于数据收集过程（例如重复测量）： Manova 个性的其他示例
希望这能帮助你理解方法之间的主要区别，
回复：MANOVA 与多响应 ANOVA感谢您的回答和提供的资源。我想我的问题归结为如何解释这个总结表（附件）？只有当我决定将所有 Y 变量组合在一起时，才会出现这个总结表。
这是否为我提供了有关解释我的回答之间大多数常见差异的因素的信息？
回复：MANOVA 与多响应 ANOVA嗨@gchelini
当您将同一模型拟合到多个响应时，此报告可用： 拟合最小二乘法报告
此处显示的效应 p 值是针对其中一个响应检测到的最小 p 值。
以 JMP 中的“锻炼”数据集为例：
因此，在“效应摘要”报告中针对多个响应显示的 p 值在某种意义上是“保守的”，因为它将显示针对所考虑的任何响应的每个效应的最低 p 值（以防止/避免“激进的模型细化”或“意外”删除有助于拟合一个响应但无助于拟合其他响应的术语）。
但是，每个响应都是独立/单独地与因子/项拟合的，响应之间的协方差没有使用，而这可以通过 MANOVA 来实现。如果您发现此报告中的某个项具有较高的 p 值，则此报告可以帮助您简化模型，因为在独立拟合响应时，它不会低于此值。
希望我的回答清楚吗？
