两向分类模型（two-way classification model），理学-统计学-数理统计-预测，比较两个因子在不同水平条件下效应的一种方差分析模型。1920年英国统计学家R.A.费希尔（R.A.Fisher）提出方差分析模型，方差分析模型是比较两个或多个因子效应的一种特殊线性模型。方差分析模型的自变量是示性变量，用来表示某种效应是否存在，只能取0和1两个值。两向分类模型是一种特殊的方差分析模型，它是比较两个因子在不同水平条件下效应的有力工具。假设因子有个水平，分别记为，因子有个水平，分别记为。在因子的第个水平与因子的第个水平（又称水平组合）之下进行次重复试验，并记其第次试验的观测为。当无交互效应存在时，模型记为：式中为总平均；为随机误差；并假定且相互独立；为第个水平的效应；为第个水平的效应。当存在交互效应时，模型更新为：式中为水平和的交互效应。对于参数估计问题，与单向分类模型类似，为了确保参数的可识别性，加入边界条件：对于假设检验问题，考察因子的个水平效应是否有显著差异，即检验：考察因子的个水平效应是否有显著差异，即检验：与单向分类模型类似，可导出它们分别对应的检验统计量。