方差分析是研究一種或多種因素的變化對實驗結果的觀測值是否有顯著影響，從而找出較優的實驗條件或生產條件的一種常用的數理統計方法。
影響觀測值的條件稱爲因素。因素的不同狀態稱爲水平，一個因素可以有多個水平。
引起觀測值不同的原因是多方面的，主要有兩個方面：因素效應、實驗誤差。
單因素方差分析：
1，aov_model = aov(X~A, data=lammp) ; summary(aov_model)
2，對各組觀測值的方差進行組合得到的統計量，所以稱爲方差分析。
3，當拒絕H0時，並不意味着所有均值間都存在差異，這時我們需要對每一對均值進行一一進行比較，即多重比較。多重比較的方法比較多，常用的方法如下：
*，多重t檢驗法，即用t檢驗一一檢驗每組的均值是否一樣。
**，修正P值後的均值的多重比較方法：pairwire.t.test()
4，要進行方差分析，應當具備以下三個條件：
*，可加性：每個處理效應與隨機誤差是可加的。
**，獨立正態性：實驗誤差應當服從正態分佈，而且相互獨立。誤差的正態性檢驗，本質上就是數據的正態性檢驗，可用shapiro.test()函數
*，方差齊性：不同處理效應間的方差是一樣的。方差的齊性檢驗可用bartlett檢驗，bartlett.test()
當不滿足如上三個條件時，方差分析不能使用，可用非參的kruskal.test()和friedman.test()方法進行因素分析。
雙因素方差分析：
1，不考慮交互作用：aov(Y~A+B)
2，考慮交互作用：aov(Y~A+B+A:B)
3，雙因素方差分析也要滿足數據正態性和方差齊性的條件，檢驗方式和上面一樣。
參考文獻：
薛毅-《統計建模與R軟件》-清華大學出版社-2008