适合做方差分析的数据有哪些
医学统计学，方差分析对数据有什么要求？
医学统计学，方差分析对数据有什么要求？
方差分析是一种分析调查或试验结果是否有差异的统计分析方法，也就是检验各组别间是否有差异。本文我们就一起来梳理下方差分析的分析流程。
方差齐性判断表格？
在spss关于方差分析的部分表格里，上面的数据是方差齐性检验下面的，是假设方差不齐性。
方差分析的基本假定是什么？
1.
可加性。
方差分析的每一次观察值都包含了总体平均数、各因素主效应、各因素间的交互效应、随机误差等许多部分，这些组成部分必须以叠加的方式综合起来，即每一个观察值都可视为这些组成部分的累加和。在对每种模型进行讨论前我们都给出了适合这种模型的线性统计模型，这正是可加性的数学表达式。以后的理论分析都是建立在线性统计模型的基础上的，这正说明可加性是方差分析的重要先决条件。在某些情况下，例如数据服从对数正态分布（即数据取对数后才服从正态分布）时，各部分是以连乘的形式综合起来，此时就需要先对原始数据进行对数变换，一方面保证误差服从正态分布，另一方面也可保证数据满足可加性的要求。
2.
正态性。
即随机误差
ε
必须为相互独立的正态随机变量。这也是很重要的条件，如果它不能满足，则均方期望的推导就不能成立，采用
F
统计量进行检验也就失去了理论基础。如果只是实验材料间有关联，可能影响独立性时，可用随机化的方法破坏其关联性；如果是正态性不能满足，即误差服从其他分布，则应根据误差服从的理论分布采取适当的数据变换，具体方法将在本节后边介绍。
3.
方差同质性（齐性）。
即要求所有处理随机误差的方差都要相等，换句话说不同处理不能影响随机误差的方差。由于随机误差的期望一定为
0
，这实际是要求随机误差有共同的分布。如果方差齐性条件不能满足也可采用数据变换的方法加以弥补。
方差分析的假定条件为：
（1）各处理条件下的样本是随机的。
（2）各处理条件下的样本是相互独立的，否则可能出现无法解析的输出结果。
（3）各处理条件下的样本分别来自正态分布总体，否则使用非参数分析。
（4）各处理条件下的样本方差相同，即具有齐效性。
方差分析至少多少个数据？
方差分析用于定类数据（X）与定量数据（Y）之间的差异分析，例如研究三组学生（X）的智商平均值（Y）是否有显著差异。其中X的组别数量至少为2，也可以分析三个或三个以上组别的数据。
定类数据是指数字大小代表分类的数据（如1男，2女；1第一组，2第二组，3第三组），定量数据是指数字大小具有比较意义（如量表题：非常不满意，比较不满意，中立,比较满意，非常满意）