今天学习的几个名词以及应用场景介绍一下。
介绍可能不全面，但是在论文中用到的频率比较高。
差异性分析
首先要搞明白什么叫差异性分析。简单来说，想比较两组数据或者多组数据之间，数据的差异。常见的有卡方检验/独立样本t检验/方差分析（主要是单因素方差分析）。
卡方检验：类别对类别变量
独立样本t检验：二分类变量对连续变量
单因素方差分析：三分类及多分类对连续变量
举例分析问卷，如果是分析A、B两个班与性别关系，需要用卡方检验（班级AB属于分类变量，性别男女也是分类变量）；如果是A、B两个班与学习成绩的关系，就需要使用独立样本t检验（班级AB属于分类变量，学习成绩是连续变量，数是连续的）；如果不是A、B两个班，而是A、B、C三个班与学习成绩的关系，就是单因素方差分析。
分层回归
分层回归是回归里的一种，主要用在分析控制变量、核心变量与因变量之间的关系。在中介作用或者在调节作用中会用到，应该是正式研究中介、调节之前用。通过目前看到的文献，经常把人口变量设置为控制变量，把被研究的因素作为核心变量。比如，我想研究自我效能感对学习成绩的影响，那自我效能感就是核心变量，学习成绩就是因变量。
方法就是做2个模型，第一个模型是计算控制变量与因变量之间的关系，第二个模型加入核心变量，等同于说控制变量+核心变量就是自变量，与因变量之间的关系。比如下图中红色框就是控制变量，粉色框就是核心变量。
所以通俗点来说，分层回归可以说明核心变量的重要性，有它什么样子（模型1），没它什么样子（模型2），进行对比。本质上，这就是2个多重线性回归。
