96-1 資格考擬答

25:07,
587 views,
2022-01-07,
上傳者: Kuann Hung,
收藏 0

<< Prev Next >>
auto next
播放設定
寫筆記

劉名倫

1. 國立臺灣師範大學科技系96學年度學年第1學期資格考擬答
2. Slide 2
3. 1.單因子變異數分析(one-way ANOVA)
4. （1）在一個實驗當中，同時操弄兩個自變項（或兩個因子），觀察對一個依變項的影響，此種實驗設計稱之為二因子實驗設計。其資料分析的統計方法，就可使用二因子變異數分析。例如：兒童的性別與教師管教態度對兒童學業成績的影響之研究，此研究包含二個因子：分為兒童的性別、教師管教態度，觀察的依變項就是指兒童的學業成績。此研究所得到的資料，就可使用二因子變異數分析的統計方法。二因子設計之特點：是指二個實驗因子的實驗設計 (區集設計可依實際需要加入或不加入)。（2）又研究者想要了解兩個因子兒童性別與教師管教態度對兒童學業成績
5. （3）但如果我們同時考慮兩個自變項，同時考慮教學方法與回饋方式可能對學習效果產生的影響如何，那麼所要進行的即是所謂的二因子變異數分析。因子為自變項，包含的可能數值稱為階層。例如：地區為因子，各區即為階層。只考慮一個自變項所進行的單因子變異數分析，不管該單因子的內含層次有多少個，仍舊為單因子變異數分析。又如性別、種族對數學成績的影響，性別和種族就是類別變數。（4）又二因子變因數分析是以二因子水準來處理而進行平均數檢定。二因子變異數分析可分為因子間無交互作用之變異數分析及有交互作用之變異數分析。在許多情境下，
6. (5)二因子實驗設計的優點：A.除了考驗每一個自變項的主要影響效果之外，還可探討兩個自變項之間所產生的交互作用效果。B.做一次二因子實驗就可以得知兩個因子的影響效果，若使用單因子實驗就必須做兩次實驗，這在經費、時間和樣本人數上都比較符合經濟原則。C.可以當做控制實驗誤差來源之用，可以將實驗誤差作為一個自變項之用，例如：在單因子實驗設計當中，如果研究者發現了一個重要的實驗誤差來源，也可以把它當做另一個實驗的自變項，使之成為二因子實驗設計。(6)二因子ANOVA摘要表：
7. 3.多元迴歸分析（Multiple Regression Analysis）
8. 變異數分析與多元迴歸分析之關係，什麼時候用ANOVA ，什麼時候用Regression呢？這兩者有何不同？其實ANOVA就是Linear Regression，不同點就在ANOVA裡面有類別變數而已。如果跑ANOVA跟Regression(當然跑Regression會要用dummy variable（參書面補充）)，你會得到一樣的結果。換言之，Linear regression裡的變數均為連續變數或dummy variable，如：年齡、IQ、成績、體重等，沒有類別變數。因此，變異數分析有兩個基本假設：1
9. 4.變異數分析與多元迴歸分析之關係：
10. 多元迴歸分析模型可以使用於依據觀察記錄得到的案例資料，或是在完全隨機設計下的實驗資料。變異數和多元迴歸間之關係，亦可使用t檢定進行檢驗其假定。t檢定主要是檢驗兩組之間是否有均值的差異(當然也有one sample t-test，不過較少使用)，所以條件是有兩組也只能有兩組。組別是類別變數(categorical variable)，像是性別、種族、國籍。如果是連續變數，也可以設一個標準，多少以上是好的，以下是差的，以此來產生類別變數。如果超過兩組，必須用ANOVA來分析。常犯的錯就是把前、後測是否有顯著差
11. 4.變異數分析與多元迴歸分析之關係：
12. 多元迴歸分析模型可以使用於依據觀察記錄得到的案例資料，或是在完全隨機設計下的實驗資料。變異數和多元迴歸間之關係，亦可使用t檢定進行檢驗其假定。t檢定主要是檢驗兩組之間是否有均值的差異(當然也有one sample t-test，不過較少使用)，所以條件是有兩組也只能有兩組。組別是類別變數(categorical variable)，像是性別、種族、國籍。如果是連續變數，也可以設一個標準，多少以上是好的，以下是差的，以此來產生類別變數。如果超過兩組，必須用ANOVA來分析。常犯的錯就是把前、後測是否有顯著差
13. 4.變異數分析與多元迴歸分析之關係：
14. 變異數分析與多元迴歸分析之關係，什麼時候用ANOVA ，什麼時候用Regression呢？這兩者有何不同？其實ANOVA就是Linear Regression，不同點就在ANOVA裡面有類別變數而已。如果跑ANOVA跟Regression(當然跑Regression會要用dummy variable（參書面補充）)，你會得到一樣的結果。換言之，Linear regression裡的變數均為連續變數或dummy variable，如：年齡、IQ、成績、體重等，沒有類別變數。因此，變異數分析有兩個基本假設：1
15. 4.變異數分析與多元迴歸分析之關係：
16. 變異數分析與多元迴歸分析之關係，什麼時候用ANOVA ，什麼時候用Regression呢？這兩者有何不同？其實ANOVA就是Linear Regression，不同點就在ANOVA裡面有類別變數而已。如果跑ANOVA跟Regression(當然跑Regression會要用dummy variable（參書面補充）)，你會得到一樣的結果。換言之，Linear regression裡的變數均為連續變數或dummy variable，如：年齡、IQ、成績、體重等，沒有類別變數。因此，變異數分析有兩個基本假設：1
17. 4.變異數分析與多元迴歸分析之關係：
18. 變異數分析與多元迴歸分析之關係，什麼時候用ANOVA ，什麼時候用Regression呢？這兩者有何不同？其實ANOVA就是Linear Regression，不同點就在ANOVA裡面有類別變數而已。如果跑ANOVA跟Regression(當然跑Regression會要用dummy variable（參書面補充）)，你會得到一樣的結果。換言之，Linear regression裡的變數均為連續變數或dummy variable，如：年齡、IQ、成績、體重等，沒有類別變數。因此，變異數分析有兩個基本假設：1
19. 3.多元迴歸分析（Multiple Regression Analysis）
20. 變異數分析與多元迴歸分析之關係，什麼時候用ANOVA ，什麼時候用Regression呢？這兩者有何不同？其實ANOVA就是Linear Regression，不同點就在ANOVA裡面有類別變數而已。如果跑ANOVA跟Regression(當然跑Regression會要用dummy variable（參書面補充）)，你會得到一樣的結果。換言之，Linear regression裡的變數均為連續變數或dummy variable，如：年齡、IQ、成績、體重等，沒有類別變數。因此，變異數分析有兩個基本假設：1
21. 4.變異數分析與多元迴歸分析之關係：
22. 多元迴歸分析模型可以使用於依據觀察記錄得到的案例資料，或是在完全隨機設計下的實驗資料。變異數和多元迴歸間之關係，亦可使用t檢定進行檢驗其假定。t檢定主要是檢驗兩組之間是否有均值的差異(當然也有one sample t-test，不過較少使用)，所以條件是有兩組也只能有兩組。組別是類別變數(categorical variable)，像是性別、種族、國籍。如果是連續變數，也可以設一個標準，多少以上是好的，以下是差的，以此來產生類別變數。如果超過兩組，必須用ANOVA來分析。常犯的錯就是把前、後測是否有顯著差
23. Slide 11
24. 多元迴歸分析模型可以使用於依據觀察記錄得到的案例資料，或是在完全隨機設計下的實驗資料。變異數和多元迴歸間之關係，亦可使用t檢定進行檢驗其假定。t檢定主要是檢驗兩組之間是否有均值的差異(當然也有one sample t-test，不過較少使用)，所以條件是有兩組也只能有兩組。組別是類別變數(categorical variable)，像是性別、種族、國籍。如果是連續變數，也可以設一個標準，多少以上是好的，以下是差的，以此來產生類別變數。如果超過兩組，必須用ANOVA來分析。常犯的錯就是把前、後測是否有顯著差
25. 4.變異數分析與多元迴歸分析之關係：
26. 變異數分析與多元迴歸分析之關係，什麼時候用ANOVA ，什麼時候用Regression呢？這兩者有何不同？其實ANOVA就是Linear Regression，不同點就在ANOVA裡面有類別變數而已。如果跑ANOVA跟Regression(當然跑Regression會要用dummy variable（參書面補充）)，你會得到一樣的結果。換言之，Linear regression裡的變數均為連續變數或dummy variable，如：年齡、IQ、成績、體重等，沒有類別變數。因此，變異數分析有兩個基本假設：1
27. 4.變異數分析與多元迴歸分析之關係：
28. 多元迴歸分析模型可以使用於依據觀察記錄得到的案例資料，或是在完全隨機設計下的實驗資料。變異數和多元迴歸間之關係，亦可使用t檢定進行檢驗其假定。t檢定主要是檢驗兩組之間是否有均值的差異(當然也有one sample t-test，不過較少使用)，所以條件是有兩組也只能有兩組。組別是類別變數(categorical variable)，像是性別、種族、國籍。如果是連續變數，也可以設一個標準，多少以上是好的，以下是差的，以此來產生類別變數。如果超過兩組，必須用ANOVA來分析。常犯的錯就是把前、後測是否有顯著差
29. 4.變異數分析與多元迴歸分析之關係：
30. 變異數分析與多元迴歸分析之關係，什麼時候用ANOVA ，什麼時候用Regression呢？這兩者有何不同？其實ANOVA就是Linear Regression，不同點就在ANOVA裡面有類別變數而已。如果跑ANOVA跟Regression(當然跑Regression會要用dummy variable（參書面補充）)，你會得到一樣的結果。換言之，Linear regression裡的變數均為連續變數或dummy variable，如：年齡、IQ、成績、體重等，沒有類別變數。因此，變異數分析有兩個基本假設：1
31. 3.多元迴歸分析（Multiple Regression Analysis）
32. (5)二因子實驗設計的優點：A.除了考驗每一個自變項的主要影響效果之外，還可探討兩個自變項之間所產生的交互作用效果。B.做一次二因子實驗就可以得知兩個因子的影響效果，若使用單因子實驗就必須做兩次實驗，這在經費、時間和樣本人數上都比較符合經濟原則。C.可以當做控制實驗誤差來源之用，可以將實驗誤差作為一個自變項之用，例如：在單因子實驗設計當中，如果研究者發現了一個重要的實驗誤差來源，也可以把它當做另一個實驗的自變項，使之成為二因子實驗設計。(6)二因子ANOVA摘要表：
33. 3.多元迴歸分析（Multiple Regression Analysis）
34. (5)二因子實驗設計的優點：A.除了考驗每一個自變項的主要影響效果之外，還可探討兩個自變項之間所產生的交互作用效果。B.做一次二因子實驗就可以得知兩個因子的影響效果，若使用單因子實驗就必須做兩次實驗，這在經費、時間和樣本人數上都比較符合經濟原則。C.可以當做控制實驗誤差來源之用，可以將實驗誤差作為一個自變項之用，例如：在單因子實驗設計當中，如果研究者發現了一個重要的實驗誤差來源，也可以把它當做另一個實驗的自變項，使之成為二因子實驗設計。(6)二因子ANOVA摘要表：
35. （3）但如果我們同時考慮兩個自變項，同時考慮教學方法與回饋方式可能對學習效果產生的影響如何，那麼所要進行的即是所謂的二因子變異數分析。因子為自變項，包含的可能數值稱為階層。例如：地區為因子，各區即為階層。只考慮一個自變項所進行的單因子變異數分析，不管該單因子的內含層次有多少個，仍舊為單因子變異數分析。又如性別、種族對數學成績的影響，性別和種族就是類別變數。（4）又二因子變因數分析是以二因子水準來處理而進行平均數檢定。二因子變異數分析可分為因子間無交互作用之變異數分析及有交互作用之變異數分析。在許多情境下，
36. （1）在一個實驗當中，同時操弄兩個自變項（或兩個因子），觀察對一個依變項的影響，此種實驗設計稱之為二因子實驗設計。其資料分析的統計方法，就可使用二因子變異數分析。例如：兒童的性別與教師管教態度對兒童學業成績的影響之研究，此研究包含二個因子：分為兒童的性別、教師管教態度，觀察的依變項就是指兒童的學業成績。此研究所得到的資料，就可使用二因子變異數分析的統計方法。二因子設計之特點：是指二個實驗因子的實驗設計 (區集設計可依實際需要加入或不加入)。（2）又研究者想要了解兩個因子兒童性別與教師管教態度對兒童學業成績
37. 1.單因子變異數分析(one-way ANOVA)
38. （1）在一個實驗當中，同時操弄兩個自變項（或兩個因子），觀察對一個依變項的影響，此種實驗設計稱之為二因子實驗設計。其資料分析的統計方法，就可使用二因子變異數分析。例如：兒童的性別與教師管教態度對兒童學業成績的影響之研究，此研究包含二個因子：分為兒童的性別、教師管教態度，觀察的依變項就是指兒童的學業成績。此研究所得到的資料，就可使用二因子變異數分析的統計方法。二因子設計之特點：是指二個實驗因子的實驗設計 (區集設計可依實際需要加入或不加入)。（2）又研究者想要了解兩個因子兒童性別與教師管教態度對兒童學業成績
39. （3）但如果我們同時考慮兩個自變項，同時考慮教學方法與回饋方式可能對學習效果產生的影響如何，那麼所要進行的即是所謂的二因子變異數分析。因子為自變項，包含的可能數值稱為階層。例如：地區為因子，各區即為階層。只考慮一個自變項所進行的單因子變異數分析，不管該單因子的內含層次有多少個，仍舊為單因子變異數分析。又如性別、種族對數學成績的影響，性別和種族就是類別變數。（4）又二因子變因數分析是以二因子水準來處理而進行平均數檢定。二因子變異數分析可分為因子間無交互作用之變異數分析及有交互作用之變異數分析。在許多情境下，
40. (5)二因子實驗設計的優點：A.除了考驗每一個自變項的主要影響效果之外，還可探討兩個自變項之間所產生的交互作用效果。B.做一次二因子實驗就可以得知兩個因子的影響效果，若使用單因子實驗就必須做兩次實驗，這在經費、時間和樣本人數上都比較符合經濟原則。C.可以當做控制實驗誤差來源之用，可以將實驗誤差作為一個自變項之用，例如：在單因子實驗設計當中，如果研究者發現了一個重要的實驗誤差來源，也可以把它當做另一個實驗的自變項，使之成為二因子實驗設計。(6)二因子ANOVA摘要表：
41. （3）但如果我們同時考慮兩個自變項，同時考慮教學方法與回饋方式可能對學習效果產生的影響如何，那麼所要進行的即是所謂的二因子變異數分析。因子為自變項，包含的可能數值稱為階層。例如：地區為因子，各區即為階層。只考慮一個自變項所進行的單因子變異數分析，不管該單因子的內含層次有多少個，仍舊為單因子變異數分析。又如性別、種族對數學成績的影響，性別和種族就是類別變數。（4）又二因子變因數分析是以二因子水準來處理而進行平均數檢定。二因子變異數分析可分為因子間無交互作用之變異數分析及有交互作用之變異數分析。在許多情境下，
42. （1）在一個實驗當中，同時操弄兩個自變項（或兩個因子），觀察對一個依變項的影響，此種實驗設計稱之為二因子實驗設計。其資料分析的統計方法，就可使用二因子變異數分析。例如：兒童的性別與教師管教態度對兒童學業成績的影響之研究，此研究包含二個因子：分為兒童的性別、教師管教態度，觀察的依變項就是指兒童的學業成績。此研究所得到的資料，就可使用二因子變異數分析的統計方法。二因子設計之特點：是指二個實驗因子的實驗設計 (區集設計可依實際需要加入或不加入)。（2）又研究者想要了解兩個因子兒童性別與教師管教態度對兒童學業成績
43. 1.單因子變異數分析(one-way ANOVA)
44. Slide 2
45. 1.單因子變異數分析(one-way ANOVA)
46. （1）在一個實驗當中，同時操弄兩個自變項（或兩個因子），觀察對一個依變項的影響，此種實驗設計稱之為二因子實驗設計。其資料分析的統計方法，就可使用二因子變異數分析。例如：兒童的性別與教師管教態度對兒童學業成績的影響之研究，此研究包含二個因子：分為兒童的性別、教師管教態度，觀察的依變項就是指兒童的學業成績。此研究所得到的資料，就可使用二因子變異數分析的統計方法。二因子設計之特點：是指二個實驗因子的實驗設計 (區集設計可依實際需要加入或不加入)。（2）又研究者想要了解兩個因子兒童性別與教師管教態度對兒童學業成績
47. （3）但如果我們同時考慮兩個自變項，同時考慮教學方法與回饋方式可能對學習效果產生的影響如何，那麼所要進行的即是所謂的二因子變異數分析。因子為自變項，包含的可能數值稱為階層。例如：地區為因子，各區即為階層。只考慮一個自變項所進行的單因子變異數分析，不管該單因子的內含層次有多少個，仍舊為單因子變異數分析。又如性別、種族對數學成績的影響，性別和種族就是類別變數。（4）又二因子變因數分析是以二因子水準來處理而進行平均數檢定。二因子變異數分析可分為因子間無交互作用之變異數分析及有交互作用之變異數分析。在許多情境下，
48. (5)二因子實驗設計的優點：A.除了考驗每一個自變項的主要影響效果之外，還可探討兩個自變項之間所產生的交互作用效果。B.做一次二因子實驗就可以得知兩個因子的影響效果，若使用單因子實驗就必須做兩次實驗，這在經費、時間和樣本人數上都比較符合經濟原則。C.可以當做控制實驗誤差來源之用，可以將實驗誤差作為一個自變項之用，例如：在單因子實驗設計當中，如果研究者發現了一個重要的實驗誤差來源，也可以把它當做另一個實驗的自變項，使之成為二因子實驗設計。(6)二因子ANOVA摘要表：
49. 3.多元迴歸分析（Multiple Regression Analysis）
50. 變異數分析與多元迴歸分析之關係，什麼時候用ANOVA ，什麼時候用Regression呢？這兩者有何不同？其實ANOVA就是Linear Regression，不同點就在ANOVA裡面有類別變數而已。如果跑ANOVA跟Regression(當然跑Regression會要用dummy variable（參書面補充）)，你會得到一樣的結果。換言之，Linear regression裡的變數均為連續變數或dummy variable，如：年齡、IQ、成績、體重等，沒有類別變數。因此，變異數分析有兩個基本假設：1
51. 4.變異數分析與多元迴歸分析之關係：
52. 變異數分析與多元迴歸分析之關係，什麼時候用ANOVA ，什麼時候用Regression呢？這兩者有何不同？其實ANOVA就是Linear Regression，不同點就在ANOVA裡面有類別變數而已。如果跑ANOVA跟Regression(當然跑Regression會要用dummy variable（參書面補充）)，你會得到一樣的結果。換言之，Linear regression裡的變數均為連續變數或dummy variable，如：年齡、IQ、成績、體重等，沒有類別變數。因此，變異數分析有兩個基本假設：1
53. 3.多元迴歸分析（Multiple Regression Analysis）
54. (5)二因子實驗設計的優點：A.除了考驗每一個自變項的主要影響效果之外，還可探討兩個自變項之間所產生的交互作用效果。B.做一次二因子實驗就可以得知兩個因子的影響效果，若使用單因子實驗就必須做兩次實驗，這在經費、時間和樣本人數上都比較符合經濟原則。C.可以當做控制實驗誤差來源之用，可以將實驗誤差作為一個自變項之用，例如：在單因子實驗設計當中，如果研究者發現了一個重要的實驗誤差來源，也可以把它當做另一個實驗的自變項，使之成為二因子實驗設計。(6)二因子ANOVA摘要表：
55. （3）但如果我們同時考慮兩個自變項，同時考慮教學方法與回饋方式可能對學習效果產生的影響如何，那麼所要進行的即是所謂的二因子變異數分析。因子為自變項，包含的可能數值稱為階層。例如：地區為因子，各區即為階層。只考慮一個自變項所進行的單因子變異數分析，不管該單因子的內含層次有多少個，仍舊為單因子變異數分析。又如性別、種族對數學成績的影響，性別和種族就是類別變數。（4）又二因子變因數分析是以二因子水準來處理而進行平均數檢定。二因子變異數分析可分為因子間無交互作用之變異數分析及有交互作用之變異數分析。在許多情境下，
56. (5)二因子實驗設計的優點：A.除了考驗每一個自變項的主要影響效果之外，還可探討兩個自變項之間所產生的交互作用效果。B.做一次二因子實驗就可以得知兩個因子的影響效果，若使用單因子實驗就必須做兩次實驗，這在經費、時間和樣本人數上都比較符合經濟原則。C.可以當做控制實驗誤差來源之用，可以將實驗誤差作為一個自變項之用，例如：在單因子實驗設計當中，如果研究者發現了一個重要的實驗誤差來源，也可以把它當做另一個實驗的自變項，使之成為二因子實驗設計。(6)二因子ANOVA摘要表：
57. （3）但如果我們同時考慮兩個自變項，同時考慮教學方法與回饋方式可能對學習效果產生的影響如何，那麼所要進行的即是所謂的二因子變異數分析。因子為自變項，包含的可能數值稱為階層。例如：地區為因子，各區即為階層。只考慮一個自變項所進行的單因子變異數分析，不管該單因子的內含層次有多少個，仍舊為單因子變異數分析。又如性別、種族對數學成績的影響，性別和種族就是類別變數。（4）又二因子變因數分析是以二因子水準來處理而進行平均數檢定。二因子變異數分析可分為因子間無交互作用之變異數分析及有交互作用之變異數分析。在許多情境下，
58. （1）在一個實驗當中，同時操弄兩個自變項（或兩個因子），觀察對一個依變項的影響，此種實驗設計稱之為二因子實驗設計。其資料分析的統計方法，就可使用二因子變異數分析。例如：兒童的性別與教師管教態度對兒童學業成績的影響之研究，此研究包含二個因子：分為兒童的性別、教師管教態度，觀察的依變項就是指兒童的學業成績。此研究所得到的資料，就可使用二因子變異數分析的統計方法。二因子設計之特點：是指二個實驗因子的實驗設計 (區集設計可依實際需要加入或不加入)。（2）又研究者想要了解兩個因子兒童性別與教師管教態度對兒童學業成績
59. 1.單因子變異數分析(one-way ANOVA)
60. （1）在一個實驗當中，同時操弄兩個自變項（或兩個因子），觀察對一個依變項的影響，此種實驗設計稱之為二因子實驗設計。其資料分析的統計方法，就可使用二因子變異數分析。例如：兒童的性別與教師管教態度對兒童學業成績的影響之研究，此研究包含二個因子：分為兒童的性別、教師管教態度，觀察的依變項就是指兒童的學業成績。此研究所得到的資料，就可使用二因子變異數分析的統計方法。二因子設計之特點：是指二個實驗因子的實驗設計 (區集設計可依實際需要加入或不加入)。（2）又研究者想要了解兩個因子兒童性別與教師管教態度對兒童學業成績
61. （3）但如果我們同時考慮兩個自變項，同時考慮教學方法與回饋方式可能對學習效果產生的影響如何，那麼所要進行的即是所謂的二因子變異數分析。因子為自變項，包含的可能數值稱為階層。例如：地區為因子，各區即為階層。只考慮一個自變項所進行的單因子變異數分析，不管該單因子的內含層次有多少個，仍舊為單因子變異數分析。又如性別、種族對數學成績的影響，性別和種族就是類別變數。（4）又二因子變因數分析是以二因子水準來處理而進行平均數檢定。二因子變異數分析可分為因子間無交互作用之變異數分析及有交互作用之變異數分析。在許多情境下，
62. (5)二因子實驗設計的優點：A.除了考驗每一個自變項的主要影響效果之外，還可探討兩個自變項之間所產生的交互作用效果。B.做一次二因子實驗就可以得知兩個因子的影響效果，若使用單因子實驗就必須做兩次實驗，這在經費、時間和樣本人數上都比較符合經濟原則。C.可以當做控制實驗誤差來源之用，可以將實驗誤差作為一個自變項之用，例如：在單因子實驗設計當中，如果研究者發現了一個重要的實驗誤差來源，也可以把它當做另一個實驗的自變項，使之成為二因子實驗設計。(6)二因子ANOVA摘要表：
63. 3.多元迴歸分析（Multiple Regression Analysis）
64. 變異數分析與多元迴歸分析之關係，什麼時候用ANOVA ，什麼時候用Regression呢？這兩者有何不同？其實ANOVA就是Linear Regression，不同點就在ANOVA裡面有類別變數而已。如果跑ANOVA跟Regression(當然跑Regression會要用dummy variable（參書面補充）)，你會得到一樣的結果。換言之，Linear regression裡的變數均為連續變數或dummy variable，如：年齡、IQ、成績、體重等，沒有類別變數。因此，變異數分析有兩個基本假設：1
65. 4.變異數分析與多元迴歸分析之關係：