🐟 請您尊重本網站的智慧財產權，如有任何引用，請註明出處：Dr. Fish 漫游社會統計。（文章發表日期）。文章名稱。文章網址
平均數比較
單因子變異數分析的事前比較是多重比較的一種，須在資料蒐集前就擬定好研究假設，不一定要執行單因子變異數分析即可進行假設檢定。事前比較採用線性對比的方式，比較一個群組或數個群組對一個群組或數個群組的平均數。由於比較組數較少，檢定力通常會高於事後比較。
平均數比較
單因子變異數分析的F值達到統計上顯著時，僅代表自變項整體具有效果，若想進一步瞭解群組間的差異則須透過事後比較。大多數的事後比較採用Student化全距統計量，以這個統計量為基礎且較常用的事後比較檢定包括Tukey HSD檢定、Newman-Keuls檢定和REGWQ檢定。
線性迴歸
迴歸線和皮爾森積差相關係數間具有相當密切的關係，運用觀察值、迴歸線的預測值和依變項的平均數可組成可被解釋、不可被解釋的變異和總變異，其中可被解釋的變異與皮爾森積差相關係數相關聯。此外，在簡單線性迴歸裡，迴歸線的標準化係數等於皮爾森積差相關係數。
平均數比較
單因子變異數分析的統計檢定力是指在任兩個群組平均數確實存在差異的情況下，能夠拒絕錯誤虛無假設的機率。單因子變異數分析的檢定力會受到自變項的效果大小、樣本變異和樣本大小的影響，與自變項的效果大小和樣本大小呈現正向關係，與樣本變異則呈現負向關係。
平均數比較
獨立群組的單因子變異數分析的假設檢定能檢驗自變項整體是否具有效果，但無法指出效果的大小，須計算效果量才可得知。最常用的效果量測量為omega squared和eta squared，雖然前者為相對不偏誤的估計值，但兩者皆可說明依變項裡有多少的變異能夠被自變項所解釋。