差异性分析-参数检验
多变量方差分析
把若干定量结局捆成一条均值向量，先做整体多元检验，再分解到各因变量的主体间效应。
这篇能回答什么
MANOVA 把语文、数学、英语看成一条成绩向量，问一个定类因素（年级、教法、疗法）的各组，这条向量的中心是否还能视为同一个点。它先用 Wilks’ Λ、Pillai 迹、Hotelling–Lawley 迹或 Roy 最大根做一次整体检验，管住「多条 Y 一起看」的一类错误，并利用 Y 之间的相关；显著后再读各科的主体间 ANOVA，看差异落在哪一门。
适合：同一批对象测了若干同属一个构念簇的定量结局——三门主科、收缩压加舒张压、一套量表的多个总分——分组因素为定类。不要把互不相关的指标硬捆在一起，只为了「看起来更高级」。
如何选择方法
先数因变量、再看设计。多条相关的定量 Y、一个定类因素 → MANOVA。一条 Y、一个因素 → 单因素 ANOVA（两类时用 t）。一条 Y、两个因素 → 双因素 ANOVA。同一 Y 的多个时间点 → 重复测量。要控制入学成绩这类定量混杂 → ANCOVA。残差明显非正态且无法变换时，不要把 MANOVA 当成「万能多结局检验」，应回到各 Y 的稳健或非参数程序。
多变量方差分析：1 个定类因素，2–10 个定量因变量；先多元检验，再主体间效应。
单因素方差分析 / 独立样本 t：只有一条 Y。
双因素方差分析：两个定类因素的主效应与交互。
协方差分析：在均值比较里加入定量协变量。
输入、输出与限制
输入
分组因素为定类，至少两个水平。因变量为两个及以上定量列，且在理论上属于同一组结局。按完整个案估计：年级或任一成绩缺失的行不进入模型。
分组因素：最少 1 个，最多 1 个定类变量。
因变量：最少 2 个，最多 10 个定量变量。
输出
教学结果表先给出进入模型的各组人数与占比。完整运行继续给出多元检验（Wilks’ Λ、Pillai 迹等）、主体间效应（各 Y 的 F 与 p）以及边际均值图。文字洞察概括是否拒绝「各组均值向量相等」。
产品限制
列表删除后，有效 N 以合计行为准，可能远小于原始行数。
某一格人数过少或因变量个数接近组内自由度时，协方差估计不稳定。
只允许一个分组因素；年级和班级不能同时塞进本过程。
图展示剖面或边际均值，完整 Λ / F / p 以表为准。
案例
研究问题。 定量成绩表按年级（高一 / 高二 / 高三）分组，同时记录语文、数学、英语。研究者想先确认三组完整个案是否够用，再检验「三科成绩向量」是否因年级而整体不同，而不是先对三门课各做一次 ANOVA。
教学示例来自定量成绩表，工作表为「Sheet1」。完整个案 202。结果表将三个水平记为类别 A / B / C，人数 52（25.74%）、68（33.66%）、82（40.59%）。单元格略不均衡，最小格仍超过 50。下载后：分组因素选年级，因变量勾选语文成绩、数学成绩、英语成绩。
在 StatsX 中操作
步骤 1 · 上传表格
打开工作台，将 Excel / CSV / JSON 拖入上传区。本案例使用定量成绩 xlsx，确认工作表为「Sheet1」。单文件不超过 20 MB。
步骤 2 · 查看画像与质量
确认年级为定类且至少两个水平，语文成绩、数学成绩、英语成绩为定量。不要把学号、姓名放进因变量。
步骤 3 · 选择「多变量方差分析」
在算法目录搜索「MANOVA」或「多变量」，点选多变量方差分析。
步骤 4 · 指定变量并运行
分组因素指定年级。因变量勾选语文成绩、数学成绩、英语成绩（至少两门）。点击运行分析。
步骤 5 · 阅读结果
先核对接纳进模型的各组 n，再看多元检验是否拒绝向量相等，最后用主体间效应定位到具体科目。
如何阅读输出
下表是进入 MANOVA 的完整个案构成。合计 N=202：类别 A 52 人（25.74%），类别 B 68 人（33.66%），类别 C 82 人（40.59%）。三格都不算稀疏，但 82 对 52 已经有约 1.6 倍的差距，功效低于等组设计，解读多元 p 值时必须把这组 n 写进方法。
| 项目 | 类别 | 统计量 | 取值 |
|---|---|---|---|
| 多变量方差分析 | 类别 A | 频数 | 52 |
| 多变量方差分析 | 类别 B | 频数 | 68 |
| 多变量方差分析 | 类别 C | 频数 | 82 |
| 多变量方差分析 | 合计 | 有效样本 N | 202 |
| 多变量方差分析 | 类别 A | 占比(%) | 25.74 |
| 多变量方差分析 | 类别 B | 占比(%) | 33.66 |
| 多变量方差分析 | 类别 C | 占比(%) | 40.59 |
左右滑动可查看完整表格
教学示例表在 StatsX 工作台中的计算结果口径。
本教学表示例的有效样本是 202，不是全表所有学号。列表删除会同时丢掉「缺了其中一科」的学生，组别占比也会被改写（本例 C 已占 40.59%）。表中没有印出 Wilks’ Λ 时，不要根据柱状图谁高谁低宣称「年级整体不同」。
阅读顺序：完整个案 N 与 n_g → 多元检验（优先同时看 Wilks’ Λ 与对协方差偏离更稳的 Pillai 迹）→ 若拒绝，再读各科主体间 F 与偏 η² → 最后用边际均值描述方向。多元显著而三科单变量都不显著，差异可能藏在线性组合里；反过来，某一科显著而多元不显著，不宜写成「成绩向量因年级而变」。效应量与 p 值要一起报告。
理论与公式
设 g 个组、p 个定量因变量。组间假设平方和与交叉积为 H，组内误差为 E。整体原假设是各组 p 维均值重合：
Wilks’ lambda 是误差广义方差占「误差+假设」广义方差的比例，越小越倾向拒绝：
Pillai 迹 V=tr(H(H+E)^{-1}) 对协方差不齐相对不敏感。上述量经 Rao 变换近似 F 并得到 p 值。主体间效应把 H 的对角元当成各 Y 自己的组间平方和，等价于对该 Y 做单因素 ANOVA。本例 p=3（语文、数学、英语），最小格 n=52，组内自由度仍大于 p，协方差可估；若 p 接近 n_g−1，Λ 会剧烈抖动。MANOVA 还要求组内残差近似多元正态、各组协方差相近。
注意事项
因变量应相关且同属一个问题。把身高和英语捆在一起，整体显著也写不成一句研究结论。
先报告 52 / 68 / 82。不均衡会降低功效，协方差不齐时 I 类错误更敏感。
多元检验之后的单科 ANOVA 是分解，不是又一次独立的预指定检验，p 值需要多重比较意识。
完整个案删除会改写年级构成，本例合计 202，不要和全表约八百行混用。
统计上拒绝向量相等，不等于每一科都有教学上值得改课的差距。
两个分组因素请改双因素模型，不要把班级偷偷塞进「第二个因变量」。
常见问题
参考文献
Rencher, A. C., Christensen, W. F. Methods of Multivariate Analysis. Wiley.
Tabachnick, B. G., Fidell, L. S. Using Multivariate Statistics. Pearson.
Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E. Multivariate Data Analysis. Cengage.
张文彤, 董伟. SPSS统计分析高级教程[M]. 高等教育出版社.