双因素方差分析和单因素方差分析

根据实验指标的个数可以将方差分析分为单因素、双因素和多因素

我理解就是几个自变量。

双因素方差分析（Double factor variance analysis) 有两种类型：一个是无交互作用的双因素方差分析，它假定因素A和因素B的效应之间是相互独立的，不存在相互关系；另一个是有交互作用的双因素方差分析，它假定因素A和因素B的结合会产生出一种新的效应。例如，若假定不同地区的消费者对某种品牌有与其他地区消费者不同的特殊偏爱，这就是两个因素结合后产生的新效应，属于有交互作用的背景；否则，就是无交互作用的背景。

知乎上说

方差分析是回归分析的一个特例。

方差分析和回归分析的区别应该是：方差分析的目的是做的一个假设检验，看数据的均值与方差是否是同一个值，他应用多在数据均值存在客观差异但实质相同的情况，例如我们常说的合格率，如果采用全样本进行测算得到一个均值，可能和抽样2组得到的均值数字不同，但因为抽样本身存在系统误差，通过检验来判断其值是否相同。而回归分析则是吧组间和组内方差的应用放大，根据方差结果来判断数据之间的相关性，从而得到变量的系数，这两者的区别就是。方差分析你知道两者是否相等，但回归时可以具体到两者之间的变化关系。

ANOVA和线性回归都是广义线性模型(GLM, generalized linear model)的特例