minitab 方差分析一般线性模型

minitab 方差分析一般线性模型怎么解读？求解释
三个样品在三种条件下各自测试测试三次（数据1/2），看三种测试条件下三个样本之间是否有差异联系，数据分析结果如下：


一般线性模型: 数据1 与 测试条件, 样本
方法
因子编码  (-1, 0, +1)
因子信息
因子      类型  水平数  值
测试条件  固定       3  A, B, C
样本      固定       3  1, 2, 3
方差分析
来源             自由度    Adj SS    Adj MS  F 值   P 值
  测试条件            2  0.001274  0.000637  2.00  0.164
  样本                2  0.000941  0.000470  1.48  0.255
  测试条件*样本       4  0.000770  0.000193  0.60  0.664
误差                 18  0.005733  0.000319
合计                 26  0.008719
模型汇总
                   R-sq（调  R-sq（预
        S    R-sq      整）      测）
0.0178471  34.24%     5.01%     0.00%
系数
                                                     方差膨
项                 系数  系数标准误     T 值   P 值  胀因子
常量            4.69259     0.00343  1366.24  0.000
测试条件
  A             0.00963     0.00486     1.98  0.063    1.33
  B            -0.00593     0.00486    -1.22  0.238    1.33
样本
  1            -0.00704     0.00486    -1.45  0.165    1.33
  2            -0.00037     0.00486    -0.08  0.940    1.33
测试条件*样本
  A 1          -0.00852     0.00687    -1.24  0.231    1.78
  A 2           0.00481     0.00687     0.70  0.492    1.78
  B 1           0.00704     0.00687     1.02  0.319    1.78
  B 2           0.00037     0.00687     0.05  0.958    1.78
回归方程
数据1 = 4.69259 + 0.00963 测试条件_A - 0.00593 测试条件_B - 0.00370 测试条件_C
        - 0.00704 样本_1 - 0.00037 样本_2 + 0.00741 样本_3 - 0.00852 测试条件*样本_A
        1 + 0.00481 测试条件*样本_A 2 + 0.00370 测试条件*样本_A 3 + 0.00704 测试条件*样
        本_B 1 + 0.00037 测试条件*样本_B 2 - 0.00741 测试条件*样本_B 3 + 0.00148 测试条
        件*样本_C 1 - 0.00519 测试条件*样本_C 2 + 0.00370 测试条件*样本_C 3
异常观测值的拟合和诊断
观测值   数据1  拟合值     残差  标准残差
    20  4.6500  4.6833  -0.0333     -2.29  R
    23  4.6500  4.6833  -0.0333     -2.29  R
R  残差大
 
一般线性模型: 数据2 与 测试条件, 样本
方法
因子编码  (-1, 0, +1)
因子信息
因子      类型  水平数  值
测试条件  固定       3  A, B, C
样本      固定       3  1, 2, 3
方差分析
来源             自由度    Adj SS    Adj MS  F 值   P 值
  测试条件            2  0.000119  0.000059  0.20  0.821
  样本                2  0.001474  0.000737  2.49  0.111
  测试条件*样本       4  0.003970  0.000993  3.35  0.032
误差                 18  0.005333  0.000296
合计                 26  0.010896
模型汇总
                   R-sq（调  R-sq（预
        S    R-sq      整）      测）
0.0172133  51.05%    29.30%     0.00%
系数
                                                    方差膨
项                 系数  系数标准误    T 值   P 值  胀因子
常量            3.16963     0.00331  956.81  0.000
测试条件
  A             0.00148     0.00468    0.32  0.755    1.33
  B             0.00148     0.00468    0.32  0.755    1.33
样本
  1             0.01037     0.00468    2.21  0.040    1.33
  2            -0.00407     0.00468   -0.87  0.396    1.33
测试条件*样本
  A 1          -0.00815     0.00663   -1.23  0.235    1.78
  A 2          -0.00037     0.00663   -0.06  0.956    1.78
  B 1          -0.01481     0.00663   -2.24  0.038    1.78
  B 2           0.01296     0.00663    1.96  0.066    1.78
回归方程
数据2 = 3.16963 + 0.00148 测试条件_A + 0.00148 测试条件_B - 0.00296 测试条件_C
        + 0.01037 样本_1 - 0.00407 样本_2 - 0.00630 样本_3 - 0.00815 测试条件*样本_A
        1 - 0.00037 测试条件*样本_A 2 + 0.00852 测试条件*样本_A 3 - 0.01481 测试条件*样
        本_B 1 + 0.01296 测试条件*样本_B 2 + 0.00185 测试条件*样本_B 3 + 0.02296 测试条
        件*样本_C 1 - 0.01259 测试条件*样本_C 2 - 0.01037 测试条件*样本_C 3
异常观测值的拟合和诊断
观测值    数据2   拟合值     残差  标准残差
    12  3.20000  3.16667  0.03333      2.37  R
    17  3.20000  3.16667  0.03333      2.37  R
R  残差大

这些统计结果能得到啥结论？