这是书上的一个例子，分析的是三种不同的仪器在测量实验中对原材料的消耗量，比较彼此之间有无差异。

经过方差分析之后，我们会得到如下图的一个结果，这个图怎么看呢？

我们先把这个图分成两个部分，标识1的是方差结果，标识2的是置信区间。

方差分析比较的多个均值之间是否有显著性差异，这个“多个”一般是至少3个或3个以上。

在第1部分，Source是资源、因子，比较的是三种仪器，仪器肯定是因子，和因子一起的还有随机误差Error。

DF是自由度，三种仪器，其自由度是2。第一种仪器进行了8次试验，其自由度是7；同样，第二种与第三种仪器的自由度分别是3与3，因此随机误差的自由度是7+3+3=13，因子的总自由度是两者相加等于15。在这里，其实一眼也能看出来试验的总次数，即自由度DF+1.

SS是偏差平方和，现在都是借助于minitab，我们已经不需要知道怎么计算的，但要理解其中的含义，代表的是波动。因此，因子的波动是155.65，误差波动85.34，总波动是两者之和。

MS是均方合，是偏差平方和SS与自由度DF的比值，这里引入自由度的目的是为了消除样本数量带来的干扰。

F是因子的均方合与随机误差的均方合之比，其原理是将此值与F分布统计量比较，若因子的均方合远远大于随机误差的均方合，则确认因子是显著的。通常，我们判定因子是否显著更多的是看后面的p值，两者的含义是一样的。

在这个例子里，p值=0.001，则认为三个测量仪器对原材料的消耗量有显著性差异。

在第2部分里，主要是三种测量仪器的均值、标准差与置信区间分布，当然是仪器对与原材料的消耗量越少越好，则在第2部分可以判定仪器2的原材料消耗是最理想的。