楼上分析的很详细 非常感谢

都喜欢玩理论啊
那我来点实际的
一个事件的发生，会受到一种或多种因素的影响。如何来判断一个或多个因素是否对结果产生明显的影响呢？这就是方差分析。
比如，同一款羽绒服，在东北和在海南的销售情况肯定不同。而这其中最显著地差异就是地区差异。那是不是真的是由地区差异引起的呢？
这时，我们可以建立以地区作为单一影响因素的单因素方差分析模型。
这样我们就可以获得两组数据，第一组是在东北的销售情况，第二组是在海南的销售情况。
利用proc anova就可以很快得出结论。
当然，如果数据不是均衡的，就要用proc glm，如果数据不满足正态分布，就要用proc npar1way，如果数据不满足方差齐性，也用proc glm
猜测，得出的结论肯定是 不同的地区具有显著差异。
那么，我们就可以说：地区的不同，对羽绒服的销售量产生显著影响。

这只是一个极端特例。如果那北京和天津比较的话，这两个地区在地理环境上相差不大，估计就不能得出这个结论了。

就一句话，方差分析是广义的t-test

你们说的都不通俗，举个例子，比如考试，反映不同人多次考试的稳定性，如两个人平时平均水平都在80分，但方差越大的那个人，发挥越不稳定，反之，方差小的，成绩才稳定，后者高考才能更好的发挥。

学习了！！！！！！！！！

方差分析有三个假设条件，第一个是都来自正态分布总体，第二个是方差齐性，第三个是观测值独立。

我认为第二个假设，对于理解方差分析非常重要。在方差齐性的条件下，如果两个总体的波动都是由于随机因素产生的，那么F=MSA/MSE应该靠近1. 而当两个总体的波动不仅仅是由于随机因素产生的，而是由系统因素。那么F=MSA/MSE就会大于1.

也就是说，方差分析，将总体的波动通过两个因素来进行解释，一个因素是随机因素，另一个是系统因素。或者说，将总体的波动分为两个部分，一个是由组内来解释的，一个是组间来解释的。

thanks for sharing