方差分析就是通过检验各总体的均值是否相等来判断分类型自变量（定类变量）对数据型因变量（定量变量）是否有显著影响。方差分析一般分为单因素方差分析、双因素方差分析、三因素方差分析以及多因素方差分析。
比如：
用4种饲料喂猪，共19头猪分为4组，每组用1种饲料。一段时间后称重，比较4种饲料对猪体重增加的作用有无不同。部分数据如下：
方差分析结果将从四个方面进行说明，其中包括方差分析结果、图示化、中间过程值以及效应量指标。
分析X与Y之间是否呈现出显著性(p值小于0.05或0.01)；如果呈现出显著性；通过具体对比平均值大小，描述具体差异所在。从上表可以看出p值小于0.05，所以不同饲料样本对于体重全部均呈现出显著性差异。及具体对比差异可知， 有着较为明显差异的组别平均值得分对比结果为“B>A;C>A;D>A;C>B;D>B;D>C；D> C> B>A”。也就是说研究中D饲料的成效最好。
从折线图中可以看出四种不同饲料直接的体重是具体差异性的，而且饲料D效果最好。接下来对方差结果的中间过程值进行描述。
从上表可以看出组间差异为20538.698，组内差异是652.159，总差异是21190.858，其中组间均方为6846.233，组内均方为43.477，F值为157.467。并且p值小于0,05，说明不同饲料对于猪的体重有显著性差异。最后对效应量进行查看。
如果方差分析显示呈现出显著性差异(p<0.05)，可通过平均值对比具体差异，同时还可使用效应量(Effect size)研究差异幅度情况。一般研究中不用过度关注，如果需要研究差异幅度时可以关注该指标。
方差分析的应用条件为：
1、各样本须是相互独立的随机样本；
2、各样本来自正态分布总体；
3、各总体方差相等，即方差齐。
方差分析的用途：
1、两个或多个样本均数间的比较；
2、分析两个或多个因素间的交互作用；
3、回归方程的线性假设检验；
4、多元线性回归分析中偏回归系数的假设检验；
5、两样本的方差齐性检验等。
方差分析的基本原理：
(1) 实验条件，即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和的总和表示，记作SSb，组间自由度dfb。
(2) 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示， 记作SSw，组内自由度dfw。
以上内容参考：百度百科-方差分析