MANOVA 與多重反應變異數分析你好，
在「擬合模型」對話方塊中，您可以擬合多個反應變數（Y）並測試多個預測變數的影響。我注意到您可以使用“標準最小二乘擬合”並選擇將您的響應擬合在一起，或者使用 MANOVA 來做到這一點。兩種方法的結果截然不同。
我的問題是，這兩種模型的解釋有什麼不同？
先感謝您的回答。
基礎資料分析與建模回覆：MANOVA 與多重回應 ANOVA你好@gchelini ，
如果沒有資料集和獲得的結果，可能很難幫助您。
從理論角度來看，這兩種方法是不同的，因為 MANOVA 使用反應之間的協方差來檢定平均差異的統計顯著性。標準最小平方法/標準變異數分析用於多重反應分別/獨立地檢定每個反應的平均差異。
更多資訊請見：https: //en.wikipedia.org/wiki/Multivariate_analysis_of_variance
選擇哪種方法主要取決於你的目標和資料收集過程，如你所見，MANOVA 分析有幾種可用的個性，取決於資料收集過程（例如重複測量）： Manova 個性的其他範例
希望這能幫助你理解方法之間的主要區別，
回覆：MANOVA 與多重回應 ANOVA感謝您的回答和提供的資源。我想我的問題歸結為如何解釋這個回顧表（附件）？只有當我決定將所有 Y 變數組合在一起時才會出現這種情況。
這是否為我提供了有關解釋我的回答之間大多數常見差異的因素的資訊？
回覆：MANOVA 與多重回應 ANOVA嗨@gchelini
當您將相同模型擬合到多個回應時，此報告可用： 擬合最小二乘法報告
此處顯示的效應 p 值是針對其中一個反應檢測到的最小 p 值。
以 JMP 中的「鍛鍊」資料集為例：
因此，在“效應摘要”報告中針對多個響應顯示的 p 值在某種意義上是“保守的”，因為它將顯示針對所考慮的任何響應的每個效應的最低 p 值（以防止/避免“激進的模型細化”或“意外”刪除有助於擬合一個響應但無助於擬合其他響應的術語）。
但是，每個響應都是獨立/分別地與因素/項相擬合的，響應之間不需要使用協方差，而可以使用 MANOVA 來實現。如果您發現此報表中某項具有較高的 p 值，則此報表可協助您簡化模型，因為在獨立擬合回應時它不會低於該值。
希望我的回答清楚嗎？
