方差分析用於分析定類數據與定量數據之間的關系情況，具體分析如下：
壹、何為方差分析？
方差分析用於分析定類數據與定量數據之間的關系情況。例如研究人員想知道三組學生的智商平均值是否有顯著差異。方差分析可用於多組數據，比如本科以下，本科，本科以上***三組的差異。
方差分析，從內容來說，是分析或檢驗多個樣本的均值間是否有所不同，雖然它叫方差分析，但不是檢驗方差是否有不同。只是說它檢驗所用的方法或手段是通過方差來進行的。
如何進行方差分析呢？
二、方差分析細分
方差分析分類情況如下所示：
（壹）單因素方差分析
單因素方差分析用於分析定類數據與定量數據之間的關系情況．例如研究人員想知道三組學生的智商平均值是否有顯著差異。單因素方差有以下前提假設：
觀測值相互獨立。
沒有明顯異常值。
各觀測變量總體要服從正態分布。
各觀測變量的總體滿足方差齊。
（二）雙因素方差分析
雙因素方差分析，用於分析2個定類數據與定量數據之間的關系情況。例如研究性別、學歷對網購滿意度的影響差異；以及男（女）性中，不同學歷是否有著網購滿意度差異性；或者同壹學歷時，不同性別是否有著網購滿意度差異性。
對比單因素方差分析：
方差分析***同點均是研究不同類別樣本對於定量數據的差異，區別在於單因素方差分析僅比較壹個分類數據，雙因素方差分析可以比較兩個分類數據，並且可以研究兩個分類數據之間對於定量數據的交互影響關系情況。
單因素方差分析的使用非常普遍；相比之下雙因素方差對數據的要求更嚴格，因而更多用於實驗研究。
（三）三因素方差分析
當X為定類數據，Y為定量數據時，通常使用的是方差分析進行差異研究。
X為3個時則稱作三因素方差。
（四）多因素方差分析
當X為定類數據，Y為定量數據時，通常使用的是方差分析進行差異研究。X的個數為壹個時，我們稱之為單因素方差；X為2個時則為雙因素方差；X為3個時則稱作三因素方差，依次下去。
當X超過1個時，統稱為多因素方差。
（五）協方差分析
在實驗研究裏，還需要更多的考慮潛在的幹擾因素，比如“減肥方式”對於“減肥效果”的影響，年齡很可能是影響因素；同樣的減肥方式，但不同年齡的群體，減肥效果卻不壹樣；年齡就屬於幹擾項，因此在分析的時候需要把它納入到考慮範疇中。如果方差分析時需要考慮幹擾項，此時就稱之為協方差分析，而幹擾項也稱著“協變量”。
（六）重復測量方差
在某些實驗研究中，常常需要考慮時間因素對實驗的影響，當需要對同壹觀察單位在不同時間重復進行多次測量，每個樣本的測量數據之間存在相關性，因而不能簡單的使用方差分析進行研究，而需要使用重復測量方差分析。
三、方差齊檢驗怎麽做？
方差齊檢驗，用於分析不同定類數據組別對定量數據時的波動情況是否壹致．例如研究人員想知道三組學生的智商波動情況是否壹致（通常情況希望波動壹致，即方差齊）。
四、方差分析下兩兩對比如何分析？
當我們想研究不同組別下，多組數據的差異性時，通常會選擇方差分析。但是方差分析只能得到壹個顯著性的結果，具體是那些組別有顯著差異，我們無法得知。因而還需要對兩兩組別進行對比。
事後檢驗正是基於方差分析基礎上進行，對比兩兩組別的差異。
方法選擇：
事後檢驗的方法有多種，但功能均壹致，只是在個別點或使用場景上有小區別。SPSSAU目前***提供LSD，Scheffe，Tukey，Bonferroni校正，Tamhane T2常見的五種方法，其中LSD方法最常使用。
SPSSAU-多重比較方法選擇。
分析時，首先判斷方差分析的p值是否呈現出顯著性，如果呈現出顯著性，則說明不同組別數據具有顯著性差異，差異可通過平均值進行對比；然後可通過事後檢驗判斷具體兩兩組別之間的差異情況。
如果說X僅兩組，則不需要進行事後檢驗；如果方差分析顯示P值大於0.05即說明各個組別之間沒有差異性，此時也不需要進行事後檢驗。
非參數的事後多重比較：
當數據呈現嚴重的偏態或方差不齊，可考慮使用非參數分析，同樣可以進行兩兩對比。
非參數檢驗。
如果進行非參數檢驗Kruskal-Wallis時發現呈現出顯著性，可以繼續深入研究，對比兩兩組別之間的差異性，選中“Nemenyi兩兩比較”即可輸出結果。
如果Kruskal-Wallis檢驗顯示沒有差異性，則不需要進行兩兩比較。
五、方差分析與T檢驗、卡方分析相比有何區別？
方差分析是差異研究分析方法中的壹種。差異研究的目的在於比較兩組數據或多組數據之間的差異，通常包括3類分析方法，分別是方差分析、T檢驗和卡方檢驗。
其實核心的區別在於：數據類型不壹樣。如果是定類和定類，此時應該使用卡方分析；如果是定類和定量，此時應該使用方差或者T檢驗。
方差和T檢驗的區別在於，對於T檢驗的X來講，其只能為2個類別比如男和女。如果X為3個類別比如本科以下，本科，本科以上；此時只能使用方差分析。
六、方差分析常見問題
異方差性問題。
在計量經濟學中，壹些情況下會出現異方差問題，嚴重的異方差問題會影響模型估計和模型檢驗等，因而在OLS回歸時需要對其進行檢驗，如果出現異方差問題需要進行對應處理。
異方差性的檢測方法：
殘差圖。
white檢驗。
BP檢驗。
異方差性處理方法：
對原數據做對數處理。
使用Robust穩健標準誤回歸。
FGLS回歸。