多因素方差分析与回归分析有啥异同啊？

Posted 2023-04-17

本人现在需要统计大量的临床资料，但是始终有一点搞不懂，就是分析几种因素对因变量的影响显著性的时候，该选用方差分析还是回归分析啊？可以通用吗？

1、分析对象不同

回归分析（regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。多因素方差分析，当有两个或者两个以上的因素对因变量产生影响时，可以用多因素方差分析的方法来进行分析。

2、应用不同

多因素方差分析不仅能够分析多个控制变量对观测变量的独立影响，更能够分析多个控制变量的交互作用能否对观测变量产生显著影响，最终找到利于观测变量的最优组合。

而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。比如说，从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。

3、分析方法不同

回归分析方法有Linear Regression线性回归、Logistic Regression逻辑回归、Polynomial Regression多项式回归、Stepwise Regression逐步回归、Lasso Regression套索回归等。

多因素方差分析往往选用一般化线性模型(General Iinear Model)进行参数估计。

相同点

回归分析和多因素方差分析都属于统计学的分析方法。

分析几种因素对因变量的影响显著性的时候，选用方差分析，二者不能通用。

参考资料来源：百度百科-多因素方差分析

参考资料来源：百度百科-回归分析

参考技术A 先单独分析各个变量对研究因素是否有意义,然后把有意义的进入回归分析。
多因素方差分析是对一个独立变量是否受一个或多个因素或变量影响而进行的方差分析。SPSS调用“Univariate”过程，检验不同水平组合之间因变量均数，由于受不同因素影响是否有差异的问题。在这个过程中可以分析每一个因素的作用，也可以分析因素之间的交互作用，以及分析协方差，以及各因素变量与协变量之间的交互作用。该过程要求因变量是从多元正态总体随机采样得来，且总体中各单元的方差相同。但也可以通过方差齐次性检验选择均值比较结果。因变量和协变量必须是数值型变量，协变量与因变量不彼此独立。因素变量是分类变量，可以是数值型也可以是长度不超过8的字符型变量。固定因素变量(Fixed Factor)是反应处理的因素;随机因素是随机地从总体中抽取的因素。 参考技术B 先单独分析各个变量对研究因素是否有意义，然后把有意义的进入回归分析。 参考技术C 做回归分析，因变量的系数就显示了他对变量的影响

如何用SPSS进行多因素方差分析

参考技术A 2.假设方差不齐时又有一系列的分析方法可选。 再者，为保证统计准确，如果方差不齐，可以进行对数，倒数或函数的转换，选择适当的转换形式，直到齐性检验变为不显著。 如果还不行就只能用非参数的单因素分析。如果非要进行方差分析则需要把means±SD范围外的数据剔除。 实际操作中对方差齐性等适用条件的把握: 1.单因素方差分析:根据BOX的研究结果,在单因素方差分析中,如果各组的例数相同(即均衡),或总体呈正态分布,则方差分析模型对方差略微不齐有一定的耐受力,只要最大与最小方差之比小于3,分析结果都是稳定的 2. 单元格内无重复数据的方差分析分析:以配伍设计的方差分析最为典型,此时不需要考虑正态性和方差齐性问题,原因在于正态性和方差齐性的考察是以单元格为基本单位的,此时每个格子中只有一个元素,当然没法分析了.除配伍设计的方差分析外,交叉设计,正交设计等也可以出现无重复数据的情况.但必须指出,这里只是因条件不足,无法考察适用条件,而不是说可以完全忽视这两个问题.如果根据专业知识认为可能在不同单元格内正态性,方差齐性有问题,则应当避免使用这种无重复数据的设计方案. 3.有重复数据的多因素方差分析：由于正态性,方差齐性的考察以单元格为基本单位，此时单元格数目往往很多，平均每个单元格内的样本粒数实际上比较少。此时实际上很难检验出差别；另一方面，也可能只是因为极个别单元格方差不齐而单质检验不能通过。