Модель байєсовського факторного аналізу включає наявні знання щодо параметрів моделі у формі попередніх розподілів, отриманих або суб'єктивно від експертів по суті, або з попередніх експериментів. Це має додатковий наслідок усунення неоднозначності обертання.
Байєсівський аналіз, метод статистичного висновку (названий на честь англійського математика Томаса Байєса), який дозволяє об’єднати попередню інформацію про параметр сукупності з доказами з інформації, що міститься у вибірці, щоб керувати процесом статистичного висновку.
На відміну від частотного ANOVA, де залишки є точковими оцінками, байєсівський ANOVA забезпечує розподіл ймовірностей для кожного залишку. Таким чином, невизначеність у залишках може бути підсумована 95% достовірними інтервалами.
Фактори Байєса представляють корисна альтернатива P-значенням для звітування про результати перевірки гіпотез шляхом надання прямих вимірювань відносної підтримки, яку дані надають конкуруючим гіпотезам.
P-значення кількісно визначає розбіжність між даними та цікавою нульовою гіпотезою, зазвичай це припущення про відсутність різниці або ефекту. Байєсівський підхід дозволяє калібрувати р-значення, перетворюючи їх на прямі вимірювання доказів проти нульової гіпотези, так звані фактори Байєса.
Баєсовська теорія вимагає використання апостеріорного прогнозного розподілу для прогнозного висновку, тобто передбачити розподіл нової, неспостережуваної точки даних. Тобто замість фіксованої точки як прогнозу повертається розподіл за можливими точками.