方差分析

方差分析(Analysis of variance, ANOVA) ：主要研究分类变量作为自变量时，对因变量的影响是否是显著的。方差分析主要通过F检验来进行效果测评。
方差分析实质：检验多个水平的均值是否有显著差异。如果各个水平的观察值方差差异太大，只检验均值之间的差异就没有意义，所以要进行方差齐性检验。
注意：方差齐性检验对数据中的离群点非常敏感。

均衡设计：观测数相等的设计
非均衡设计：观测数不相等的设计
单因素方差分析：只有一个类别型变量的统计设计
因素方差分析设计：包含2个以上因子的设计，又称为双因素方差分析
当包含3个因子时，又称作三因素方差分析
混合模型方差分析：因子设计包含组内和组间因子

正态性检验的使用场合：在模型假设时，一般情况假设变量服从正态分布
正态分布检验方法：QQ图和K-S检验（ Kolmogorov–Smirnov 检验）

K-S检验：用来检验数据是否符合某种分布的一种非参数检验。
用R语言实现K-S检验，若结果中的p值大于0.05，则判定数据符合正态分布。
Anderson–Darling检验：用来检验给定的样本是否来自于某个确定的概率分布的统计检验方法。用R语言实现Anderson–Darling检验，若结果中的p值大于0.05，则判定数据符合正态分布。
Shapiro-Wilk检验：适用于小样本的正态性检验
Lilliefor test检验：是基于Kolmogorov-Smirnov test的一种正态性检验。