- 方差分析（analysis of variance, ANOVA）：对多组平均数差异进行显著性检验的方法，其优点是能够充分地利用样本信息，而且可以通过一次检验得出结论，从而避免多次逐对 t 检验所造成的错误概率的累积。
- 组间差异（between-groups variance）：各样本平均数之间的差异。
- 组内差异（within-groups variance）：样本内部观察值之间的差异。
- 因素（factor）：实验中的自变量。
- 单因素实验（one-way experiment）：只有一个自变量的实验。
- 多因素实验（multiple-factor experiment）：有两个或两个以上自变量的实验。
- 水平（level）：某一个因素的不同情况。水平之间的差别可以是数量上的差别，也可以是性质上的不同。
- 处理（treatment）：按各个水平条件进行的重复实验。
- 主效应（main effect）：因素对实验结果的影响。
- 交互作用（interaction）：在多因素的情况下，某个因素对实验结果的影响受到另一个因素的制约。
- 完全随机设计（simple randomized participants design）：随机抽取一些个体，将其随机地分派入不同的样本，在对这些样本分别施以不同的实验处理以后，进行平均数差异显著性检验。常被称为参试者间设计（between-participants design）或被试间设计（between-subjects design）。
- 事后比较（posteriori comparisons）：方差分析出现了显著差异时，检验各个水平的平均数两两比较有无显著差异，又称为“逐对比较”（pair-wise comparisons）或“多重比较”（multiple comparisons）。
- 析因设计方差分析（analysis of variance of factorial design）：同时检验主效应和交互作用的方差分析。
- 随机区组设计（randomized blocks design）：一个因素的效应受到另一个因素的影响时，将后一个因素分成各个区组，每个区组内的个体尽量保持同质，在对各区组施以多种实验处理之后，进行方差分析。常被称为重复测量设计（repeated-measuredesign）、参试者内设计（within-participants design）或被试内设计（within-subjectsdesign）。
- 固定效应模型（fixed-model）：因素是在可以控制的情况下的统计模型。
- 随机效应模型（random-model）：在因素不能按主观意图指定、也不能随意控制的情况下的统计模型。