Data-Visualization
如何可視化方差分析的作用？
有什麼方法（方式？）可以直觀地解釋什麼是方差分析？
歡迎任何參考資料、鏈接（R 包？）。
就個人而言，我喜歡引入線性回歸和方差分析，通過證明它們都是相同的，並且線性模型相當於劃分總方差：我們在結果中有某種方差，可以用感興趣的因素來解釋，加上無法解釋的部分（稱為“殘差”）。我通常使用下圖（灰線表示總變異性，黑線表示組或個體特定變異性）：
我也喜歡 Michael Friendly 和 John Fox 提供的heplots R 包，但另請參閱多元線性模型中的視覺假設檢驗：R 的 heplots 包。
解釋 ANOVA 實際作用的標準方法，尤其是在線性模型框架中，在 Christensen對複雜問題的平面答案中得到了很好的解釋，但插圖很少。Saville 和 Wood 的統計方法：幾何方法有一些例子，但主要是回歸。在主要關注 DoE的Montgomery 的實驗設計和分析中，有一些我喜歡的插圖，但請參見下文
（這些是我的 :-)
但我認為，如果您想了解平方和、誤差等如何轉化為向量空間，您必須查找有關線性模型的教科書，如Wikipedia上所示。Estimation and Inference in Econometrics由 Davidson 和 MacKinnon 撰寫，似乎有很好的插圖（第 1 章實際上涵蓋了 OLS 幾何），但我只瀏覽法語翻譯（可在此處獲得）。線性回歸的幾何也有一些很好的說明。
編輯：
啊，我只記得 Robert Pruzek 的這篇文章，單向方差分析的新圖形。
編輯 2
現在，granova包（由@gd047 提到並與上述論文相關聯）已被移植到 ggplot，請參閱granovaGG以及下面的單向 ANOVA 說明。
