原标题：「SPSSAU｜数据分析」：方差分析步骤汇总

在科学试验中常常要探讨不同情况或者不同处理方式对试验结果是否造成影响，通常是比较不同试验下的样本均值的差异。这时，就需要进行方差分析，方差分析是检验多个样本均数间差异是否具有统计学差异的方法，例如:研究不同药物对治疗某种疾病的疗效、不同地区女性生育率等。都可以用方差分析去解决。本篇文章将方差分析步骤汇总，大体内容如上。

「SPSSAU｜数据分析」：单因素方差分析步骤汇总

1.前期准备

（1）研究目的

双因素方差分析,用于分析定类数据(2个)与定量数据之间的关系情况.例如研究人员性别,学历对于网购满意度的差异性;以及男性或者女性时,不同学历是否有着网购满意度差异性;或者同一学历时,不同性别是否有着网购满意度差异性。

（2）数据格式

研究X对于Y的差异，1个X均占用1列，1个Y也占用1列，如果有协变量那么1个协变量占用1列。数据格式类似如下：

2.SPSSAU操作

（1）上传数据

登录账号后进入SPSSAU页面，点击右上角“上传数据”，将处理好的数据进行“点击上传文件”上传即可。

（2）拖拽分析项

在“进阶方法”模块中选择“双因素方差”方法，将Y定量变量放于上方分析框内，X定类变量放于中间分析框内，如果有协变量则放入下方分析框中，点击“开始分析”即可。

（3）选择参数

二阶效应：分析不同X之间是否存在交互作用；若勾选则为“有交互的双因素方差分析”；若不勾选则为“没有交互作用的双因素方差分析”具体分析请参考如下的SPSSAU分析。

事后多重比较：双因素方差分析提供了三种事后多重比较方法分别是LSD法、Bonferonni校正、Sidak法。三者区别如下：

简单效应：简单效应指X1在某个水平时，X2不同水平的比较；SPSSAU进行简单效应时默认使用Bonferroni法进行计算p 值。

3.SPSSAU分析

（1）有交互的双因素方差分析

①双因素方差分析结果

从上表可知，利用双因素方差分析去研究性别和学历对于Y的影响关系，从上表可以看出：性别呈现出显著性(F=14.103，p=0.0000.05) ，说明学历并不会对Y产生差异关系。性别和学历之间没有呈现出显著性(F=0.868，p=0.423>0.05) ，说明二者之间不存在二阶效应 （补充说明：若存在二阶效应SPSSAU会提供相应的交互图）。

②事后多重比较

主效应中性别呈现显著性，1.0代表性别男，2.0代表性别女，其中二者的均值差值为-1.433，标准误为0.381，进行多重比较后,p=0.0000.05）,说明数据通过平行性检验，因而满足协方差分析前提假设。

（补充说明：通过平行性检验后，可以不勾选“平行检验”按钮进行再次分析得出结论；如果协方差分析不满足“平行性”，交互项（即有*号项）的p 值< 0.05则说明不平行，不满足“平行性检验”，此时则应该将协变量项移出。）

（2）协方差结果分析

上表为协方差分析结果，上表中R 值为0.081，意味着药物解释胆固醇水平的8.1%变异。研究重点在于药物对于胆固醇水平的帮助，在这里药物呈现出0.05水平的显著性(F =6.045,p =0.016 0.05则说明平行，满足“平行性检验”，可进行分析。如果协方差分析不满足“平行性”，交互项（即有*号项）的p 值< 0.05则说明不平行，不满足“平行性检验”，此时则应该将协变量项移出。返回搜狐，查看更多

责任编辑：