Anova 和ANOM 的区别

平均值分析 (ANOM) 是方差分析的图形模拟，用于检验总体平均值的相等性。平均值分析 已发展为可用来检验所有因子均固定的设计试验中的主效应。此过程用于单因子设计。Minitab 使用平均值分析的扩展或平均值分析处理效应 (ANOME)来检验双因子设计中平均值处理效应的显著性。
平均值分析图可通过两种方式来描述：按外观或按功能。从外观上看，它类似于 Shewhart 控制图。从功能上讲，它类似于检测总体平均值的方差分析。平均值分析和方差分析的原假设相同：两种方法都检验平均值之间是否不具有齐次性。但是，它们的备择假设是不同的 。平均值分析的备择假设是总体平均值之一不同于其他平均值（其他平均值相等）。方差分析的备择假设是总体平均值之间的变异性大于零。
在大多数情况下，方差分析和平均值分析可能得出类似结果。但在某些情况下，这两种方法可能会不同：
· 如果一组平均值高于总平均值，且另一组平均值低于总平均值，
方差分析的 F 检验可能提供存在差异的证据，而平均值分析则表明不存在这样的证据。
· 如果一组的平均值与其他平均值分开，方差分析的 F 检验可能不会指出差异存在的证据，而平均值分析则可能将此组标记为与总平均值不同。
当假定响应服从正态分布（类似于方差分析）且设计为单因子或双因子设计时，可以使用平均值分析。当响应服从二项分布或 Poisson 分布时，也可以使用平均值分析。