语法

描述

d = manova1 (X,集团)执行单向多元方差分析（MANOVA），以比较数据列的多元平均值X分组,组．X是一个米-借-n数据值矩阵，每一行是一个测量向量n单个观察的变量。组定义为类别变量、向量、字符数组、字符串数组或字符向量的单元格数组的分组变量。如果两个观测值相同，则它们属于同一组组大堆每组的观察结果代表一个群体的样本。

函数返回d，对包含群均值的空间维数的估计。马诺瓦1检验各组均值相同的无效假设n-多维多元向量，以及在样本中观察到的任何差异X是随机的。如果d＝0，没有证据否定这一假设。如果d＝1，那么你可以在5%的水平上拒绝零假设，但是你不能拒绝多元均值在同一条直线上的假设。类似地,如果d＝2多元平均值可能位于同一平面上n-维空间，但不在同一条线上。

d=manova1（X，组，α）控制显著性水平，α．返回值d将是具有的最小尺寸p>α,在那里p是一个p-值，用于测试平均值是否位于该维度的空间中。

(d, p) = manova1(…)还返回一个p，一个向量p-values用于测试平均值是否位于维度0,1等的空间中。最大的可能维度要么是空间的维度，要么是比群的数量少一个。有一个因素p对于最大的维度，但不包括最大的维度。

如果我thp-这个值接近于零，这使人们对这个假设产生了怀疑，即群意味着位于我-1.关键维度的选择p-value来判断结果是否具有统计意义，由研究人员决定，并由输入参数的值指定α. 通常，如果p-value小于0.05或0.01。

[d p统计]= manova1(…)同样的回报统计数据，一个包含其他MANOVA结果的结构。该结构包含以下字段。

典型变量C是原始变量的线性组合，选择它们是为了使组之间的分离最大化。具体地说,C (: 1)是下列各项的线性组合：X组之间有最大分隔的列。这意味着在所有可能的线性组合中，它是最显著的F单向方差分析中的统计。C (: 2)最大分离是否与正交有关C (: 1)，等等。

您可能会发现使用的输出很有用马诺瓦1以及其他功能来补充您的分析。例如，您可能想从使用的原始变量的分组散点图矩阵开始gplotmatrix．您可以使用gscatter使用前两个规范变量可视化组分离manovacluster绘制一个树状图，显示组中的聚类平均值。

工具书类

另请参阅

anova1|canoncorr|gplotmatrix|gscatter|manovacluster