方差分析的基本假设是什么？

正确答案：1、可加性。
方差分析的每一次观察值都包含了总体平均数、各因素主效应、各因素间的交互效应、随机误差等许多部分，这些组成部分必须以叠加的方式综合起来，即每一个观察值都可视为这些组成部分的累加和。在对每种模型进行讨论前我们都给出了适合这种模型的线性统计模型，这正是可加性的数学表达式。以后的理论分析都是建立在线性统计模型的基础上的，这正说明可加性是方差分析的重要先决条件。在某些情况下，例如数据服从对数正态分布(即数据取对数后才服从正态分布)时，各部分是以连乘的形式综合起来，此时就需要先对原始数据进行对数变换，一方面保证误差服从正态分布，另一方面也可保证数据满足可加性的要求。
2、正态性。
即随机误差ε必须为相互独立的正态随机变量。这也是很重要的条件，如果它不能满足，则均方期望的推导就不能成立，采用F统计量进行检验也就失去了理论基础。如果只是实验材料间有关联，可能影响独立性时，可用随机化的方法破坏其关联性;如果是正态性不能满足，即误差服从其他分布，则应根据误差服从的理论分布采取适当的数据变换，具体方法将在本节后边介绍。
3、方差同质性(齐性)。
即要求所有处理随机误差的方差都要相等，换句话说不同处理不能影响随机误差的方差。由于随机误差的期望一定为0，这实际是要求随机误差有共同的分布。如果方差齐性条件不能满足也可采用数据变换的方法加以弥补。