加载样本数据。

负载carsmall

执行方差分析（ANOVA）的单向分析，看看是否有车的原产里程之间的差额。

(p t统计)= anova1 (MPG,起源,“关”);

执行组装置的多重比较。

并[c，M，H，NMS] = multcompare（统计）;

multcompare显示与周围比较区间估计。您可以点击每个国家的图表来其平均比较其他国家的。

现在显示的平均估计值和标准差与相应的组名。

(nms num2cell (m))

ANS =6×3单元阵列{ 'USA'} {[21.1328]} {[0.8814]} { '日'} {[31.8000]} {[1.8206]} { '德国'} {[28.4444]} {[2.3504]} { '法国'}{[23.6667]} {[4.0711]} { '瑞典'} {[22.5000]} {[4.9860]} { '意大利'} {[28]} {[7.0513]}

加载样本数据。

负载爆米花爆米花

爆米花=6×35.5000 4.5000 3.5000 5.5000 4.5000 4.0000 6.0000 4.0000 3.0000 6.5000 5.0000 4.0000 7.0000 5.5000 5.0000 7.0000 5.0000 4.5000

的数据是从爆米花品牌和爆米花类型（霍格1987）的研究报告。矩阵的列爆米花是品牌（美食，国家，和通用）。该行是波普尔类型油和空气。在这项研究中，研究人员每波普尔弹出每个品牌的一个批次的三倍。值在爆米花的杯的产率。

进行双因素方差分析。另外计算的统计数据，你需要在主效果进行多重比较检验。

[〜，〜，统计] = anova2（爆米花，3，“关”）

统计=结构体字段:源： 'anova2' sigmasq：0.1389 colmeans：[6.2500 4.7500 4]科隆：6个rowmeans：[4.5000 5.5000] rown：9间：1 PVAL：0.7462 DF：12

该统计结构包括

进行多重比较检验，以查看是否对爆米花品牌（列）之间的爆米花产量是不同的。

c = multcompare(统计)

注意：您的模型包括交互项。的主要效果的测试可能难以解释当所述模型包括相互作用。

C =3×61.0000 2.0000 0.9260 1.5000 2.0740 0.0000 1.0000 3.0000 1.6760 2.2500 2.8240 0.0000 2.0000 3.0000 0.1760 0.7500 1.3240 0.0116

的前两列C表明所比较的群体。第四列示出所估计的组平均值之间的差异。第三和第五列显示95％置信区间的下限和上限对于真正的平均差。第六列包含p-对应的平均差等于零的假设检验的值。所有p- 值（0,0，和0.0116）是非常小的，这表明在所有三个品牌爆米花产量是不同的。

该图显示了方法的多重比较。默认情况下，组1的平均值突出显示，比较间隔用蓝色表示。因为其他两组的比较间隔与组1的平均值的间隔不相交，所以用红色突出显示。这种缺少交集的情况表明，这两个平均值都不同于第1组的平均值。选择其他组均值，确认各组均值之间存在显著性差异。

进行多重比较检验，看这两个爆米花器类型（行）之间的爆米花产量是不同的。

c = multcompare(统计数据,'估计'，'行'）

注意：您的模型包括交互项。的主要效果的测试可能难以解释当所述模型包括相互作用。

C =1×61.0000 2.0000 -1.3828 -1.0000 -0.6172 0.0001

小p- 值0.0001表示两个爆米花器类型（空气和油）之间的爆米花产量是不同的。上图显示了同样的结果。不相交比较间隔指明该组装置是从彼此不同显著。

加载样本数据。

Y = [52.7 57.5 45.9 44.5 53.0 57.0 45.9 44.0]  - ;G1 = [1 2 1 2 1 2 1 2];G2 = {“喜”;“喜”;“罗”;“罗”;“喜”;“喜”;“罗”;“罗”};G3 = {'可能';'可能';'可能';'可能';“6月”;“6月”;“6月”;“6月”};

ÿ是响应向量和g1，g2,g3是分组变量（因素）。每个因素有两个层次，每个观察ÿ由因子水平的组合标识。例如，观察y (1)用因子为1电平相关联的g1，水平“喜”因素g2和水平'可能'因素g3。同样，观察Y（6）用因子2水平相关联g1，水平“喜”因素g2和水平“6月”因素g3。

测试所有因素水平的反应是否相同。还要计算多次比较测试所需的统计信息。

[〜，〜，统计] = anovan（Y，{G1 G2 G3}，'模型'，'相互作用'，...'varnames'{'G1'，'G2'，'G3'}）;

该p-值0.2578表示对水平的平均反应'可能'和“6月”因素g3没有显著差异。该p-值0.0347表示对水平的平均反应1和2因素g1是明显不同的。类似地,p- 值0.0048表明，对于水平的平均响应“喜”和“罗”因素g2是明显不同的。

进行多重比较测试，以找出的因素组g1和g2是明显不同的。

结果= multcompare（统计资料，“维度”[1 2]）

结果=6×61.0000 2.0000 -6.8604 -4.4000 -1.9396 0.0280 1.0000 3.0000 4.4896 6.9500 9.4104 0.0177 1.0000 4.0000 6.1396 8.6000 0.00604 0.0143 2.0000 3.0000 8.8896 11.3500 13.8104 0.0108 2.0000 10.5396 13.0000 15.4604 0.0095 3.0000 4.1104 0.0745

multcompare的基团（水平）两个分组变量的组合进行比较，g1和g2。在里面结果矩阵，所述号码1对应于电平的组合1的g1和水平嗨的g2中，2对应于电平的组合2的g1和水平嗨的g2。类似地，编号3对应于电平的组合1的g1和水平罗的g2，数字4对应水平的组合2的g1和水平罗的g2。矩阵的最后一列包含p- 值。

例如，矩阵显示的第一行电平的组合1的g1和水平嗨的g2具有相同的平均响应值电平的组合2的g1和水平嗨的g2。该p- 值对应于该测试是0.0280，这表明平均响应是显著不同。您还可以看到这个结果的身影。蓝条示出了用于电平的组合的平均响应的比较间隔1的g1和水平嗨的g2。红柱是用于对其它组的组合的平均响应的比较的时间间隔。红柱没有与蓝色条，这意味着电平的组合的平均响应重叠1的g1和水平嗨的g2是从用于其它基团组合的平均响应显著不同。

你可以通过点击该组的相应比较区间测试其它基团。酒吧你点击将变为蓝色。这是显著不同的组棒是红色的。不在显著不同的组棒是灰色的。例如，如果你点击的比较区间为水平的组合1的g1和水平罗的g2，对于电平的组合的比较间隔2的g1和水平罗的g2重叠，因此是灰色。相反地​​，其他比较间隔红色，指示显著差异。