⑴ 如何對兩種不同實驗方法測定同一指標的數據進行統計學分析
首先要判斷兩組數據是否是正態分布資料，兩組是否方差齊，
然後可以計算兩組的均數進行t檢驗
如果不滿足正態分數，需要進行數據變換
實在不行的話，最後用秩和檢驗
⑵ 方差分析和回歸分析的異同是什麼
一、方差分析和回歸分析的區別與聯系？（以雙變數為例） 聯系：
1、概念上的相似性
回歸分析是為了分析變數間的因果關系，研究自變數X取不同值時，因變數平均值Y的變化。運用回歸分析方法，可以從變數的總偏差平方和中分解出已被自變數解釋掉的誤差（解釋掉誤差）和未被解釋掉的誤差（剩餘誤差）；
方差分析是為了分析或檢驗總體間的均值是否有所不同。通過對樣本中自變數X取不同值時所對應的因變數Y均值的比較，推論到總體變數間是否存在關系。運用方差分析，也可以從變數的總離差平方和中分解出已被自變數解釋掉的誤差和未被自變數解釋掉的誤差。因此兩種分析在概念上所具有的相似性是顯而易見的。
2、統計分析步驟的相似性
回歸分析在確定自變數X是否為因變數Y的影響因素時，從分析步驟上先對X和Y進行相關分析，然後建立變數間的回歸模型。最後再進行參數的統計顯著性檢驗或對回歸模型的統計顯著性進行檢驗。
方差分析在確定X是否是Y的影響因素時，是先從樣本所的數據的分析入手，然後考察數據模型，最後對樣本均值是否相等進行顯著性檢驗。二者在分析步驟上也具有相似性。
3、假設條件具有一定的相似性 回歸分析有五個基本假定，分別是：自變數可以是隨機變數也可以是非隨機變數；X與Y之間存在的非確定性的相關關系，要求Y的所有子總體，其方差都相等；子總體均值在一條直線上；隨機變數Yi是統計獨立的，即Y1的數值不影響Y2的數值，各Y值之間都沒有關系；Y值的每一個子總體都滿足正態分布。
方差分析的基本假定有：等方差性（總體中自變數的每一取值所對應因變數Yi的分布都具有相同方差）；Yi的分布為正態分布。 二者在假設條件上存在著相同。
4、在總離差平方和中的分解形式和邏輯上的相似性
回歸分析中，TSS=RSS+RSSR，而在方差分析中，TSS=RSS+BSS。二者均是以已解釋掉的誤差與未被解釋掉的誤差之和為總離差平方和。 5、確定影響因素上的相似性
為簡化分析起見,我們假設只有一個自變數X影響因變數Y。在回歸分析中,要確定X是否是Y的影響因素,就要看當X已知時,對Y的總偏差有無影響。如果X不是影響Y的因素,等同於只知變數Y的數據列一樣,此時用Y去估計每個丫的值,所犯的錯誤(即偏差)為最小。如果因素X是影響Y的因素,那麼當已知X值後
6、在統計顯著性檢驗上具有相似性
回歸分析的總顯著性檢驗,是一種用R2測量回歸的全部解釋功效的檢驗。檢驗RSSR*(N-2)/RSS，
方差分析的顯著性檢驗是一種根據樣本數據提取信息所進行的顯著性檢驗。它也是通過F檢驗進行的。
區別：
1、研究變數的分析點不同
回歸分析法既研究變數Y又研究變數X並在此基礎上集中研究變數Y與X的函數關系,得到的是在不獨立的情況下自變數與因變數之間的更加精確的回歸函數式,也即判斷相關關系的類型，因此需建立模型並估計參數。方差分析法集中研究變數Y的值及其變差而變數X值僅用來把Y值劃分為子群或組,得到的是自變數(因素)對總量Y是否具有顯著影響的整體判斷，因此不需要建立模型和估計參數。
2、變數層次不同
回歸分析的數據則要求是連續的,總量也要求是連續的,所以回歸分析對連續性變數非常有效，回歸分析研究的是定量因素自變數X對因變數Y的影響,變數Y與X均用定距尺度去測量。當然,在回歸分析中也不是絕對排斥定性因素對應變數Y的影響,因為對定性因素可採用虛擬變數的處理方法。方差分析中的因素與總量的數據可以是定性的,計數的,也可以是計量的,或者說是離散的或連續的。尤其方差分析對於因素是定性數據也非常有效。變數Y用定距尺度去測量,變數X用定類尺度之測量。
3、回歸分析只能分析出變數之間關系比較簡單的回歸函數式,對比較復雜的關系無能為力。方差分析若得到因素與總量Y之間有顯著性關系,但到底是怎樣的關系做不出具體的回答,只能用回歸分析來得到它們之間的回歸函數關系式。方差分析不管變數之間(因素與總量Y)的關系有多麼復雜,總能得到因素對總量Y的影響是否顯著的整體判斷。
4、確定Y均值方法不同
回歸分析由於使用的對應順序數據,即Xi只有一個Yi與之對應,因此Y無法由已知數據確定,它是通過建立回歸方程求的。而方差分析因素Xi對應的Y是直接通過試驗數據求得的。
5、所得結果提供的信息不同
回歸分析可提供兩種類型的信息:一是依據最小二乘法原則，建立X和Y的相關模型，並在X取不同值時影響對應的Y變數的數值，通過X取值可以對Y取值進行預估；二是因變數Y的總變差分解為相加的分量，用之進行F檢定。而方差分析僅僅提供後一種。