Phân tích phương sai (ANOVA) là một thủ tục kiểm tra giả thuyết

thống kê cho phép nhà nghiên cứu đánh giá hiệu ứng nhân quả của hai
hoặc nhiều biến số độc lập (phương pháp điều trị) và các tương tác có
thể có của các điều trị này ảnh hưởng lên một biến số phản ứng (kết
quả) duy nhất. Phân tích ANOVA cho phép các suy luận nhân quả
được thực hiện trong các thiết kế thử nghiệm bằng cách phân chia sự
biến động tổng thể giữa các cá thể (đơn vị thí nghiệm) thành các
thành phần riêng biệt, mỗi thành phần đại diện cho một nguồn khác
nhau của sự biến động hoặc hiệu quả điều trị. Sau đó, có thể xác định
ảnh hưởng tương đối của các phương pháp điều trị khác nhau (các
biến độc lập) và so sánh sự thay đổi giữa các phương pháp điều trị (sự
khác biệt quan sát được) với sự khác biệt do cơ hội. Sự khác biệt về
cơ hội là bất kỳ sự khác biệt nào giữa các cá nhân trong các nhóm
điều trị khác nhau do các biến số không được kiểm soát hoặc chưa
biết. Nguồn của biến đổi này được gọi là phương sai sai số (error
variance). Tỷ lệ của sự biến động tổng thể quy cho các phương pháp
điều trị khi so sánh với tỷ lệ quy cho sai số hình thành cơ sở của F-
ratio hoặc F-statistic. Nếu các hiệu quả điều trị quan sát được, tức là
sự khác biệt giữa các phương pháp điều trị khi tóm tắt theo các trung
bình điều trị, chiếm tỷ lệ tương tự của sự thay đổi trong biến phản ứng
như sự khác biệt về cơ hội, thì có thể giả định rằng sự khác biệt điều
trị quan sát là xác suất vừa dao động ngẫu nhiên, và kết luận rằng
không có sự khác biệt giữa các phương pháp điều trị (các biến độc
lập). Nếu tỷ lệ của phương sai chiếm chỗ bởi các điều kiện điều trị lớn
hơn so với phương sai sai số thì điều này cho thấy hiệu quả đáng kể
đáng kể, cái mà có thể cần điều tra thêm để tìm ra (các) phương pháp
điều trị nào có ảnh hưởng đáng kể đến biến phản ứng. ANOVA cũng
có thể được sử dụng với dữ liệu quan sát (observational data) bao gồm
cả thiết kế so sánh và khảo sát. Trong các thiết kế so sánh, tác động
lên biến phản ứng của các biến độc lập phân loại (categorical
independent variables), đại diện cho các nhóm xuất hiện tự nhiên,
được đánh giá. Nhà nghiên cứu đang tìm kiếm ảnh hưởng của tư cách
thành viên của một nhóm cụ thể (biến độc lập) lên biến phản hồi. Các
biến được sử dụng để xác định nhóm được gọi là các yếu tố (factors),
ví dụ, giới tính và các chỉ báo khác nhau trong một yếu tố được gọi là
mức độ (levels), ví dụ, nam hoặc nữ. Nhà nghiên cứu xem xét liệu có
sự khác biệt giữa các trung bình của các nhóm điều trị. Nhà nghiên
cứu đang thực sự kiểm tra sự khác biệt giữa các trung bình của các
mức độ của một yếu tố, chẳng hạn như sự khác biệt giữa điểm trung
bình của nam và nữ. Thiết kế so sánh khác với thiết kế thực nghiệm vì
mức độ của các biến độc lập (thành viên nhóm – nam, nữ các biến độc
lập (thành viên nhóm – nam, nữ) không được gán ngẫu nhiên (chúng
đã xảy ra hoặc là loại tự nhiên) trước khi ảnh hưởng của chúng lên
biến phản ứng là được quan sát. Các thiết kế khảo sát tương tự như
các thiết kế so sánh ngoại trừ trung bình của sự khác biệt cho các
phân nhóm dân số (population subclasses) là được kiểm tra. Các lớp
con được nhà nghiên cứu mô tả, ví dụ, một nhóm tuổi cụ thể là trẻ 5-
7 tuổi hoặc một loại trường học cụ thể. Các đối 7 tuổi hoặc một loại
trường học cụ thể. Các đối tượng thậm chí có thể được phân loại theo
phản hồi của họ sau khi dữ liệu được thu thập có thể được các nhà
nghiên cứu xác định sau khi phân tích dữ liệu ban đầu. Các thiết kế đo
lường lặp lại (Repeated measurement designs) cũng thường xuyên
được phân tích bằng kỹ thuật ANOVA. Các phép đo hoặc quan sát lặp
lại được coi là một yếu tố trong phân tích với các phép đo trên một
biến ở các trường hợp khác nhau (chẳng hạn điểm số trước sau điều
tri tương ứng với các mức của yếu tố) . Các đối tượng tương tự có liên
quan đến các biện pháp lặp lại.