一、使用SPSS生成正交表：选择Data，在Orthogonal Design→Generate,打开“Generate Orthogonal Design”对话框。

通过“Add”添加因素，通过“Define Values”添加水平(Value值只取1、2、3……即可，其它可在“Label”中补充说明)。

如果创建一个新的Dataset，点“OK”后，新建的正交表就直接显示在当前的SPSS窗口。 或者选择一个数据文件保存路径，点“OK”后对话框消失，通过指定的数据文件保存路径找到新建的.sav数据文件，打开文件后如下图所示，可以看到多了“STATUS_”和“CARD_”两列，软件自动生成的这两列意义不大。 最后，在新的一列还应添加试验结果数据，才算完整的一份SPSS正交表数据文件。 二、数据分析：打开Analyze，在General Linear Model选项中，单击 Univariate 项。“Dependent Variable”选择试验的结果数据，“Fixed Factor(s)”选择各个因素。

在“Model”对话框要选中“Custom”和“Main effects”，并选择各个因素。

点“OK”，输出结果。

因为Error自由度df=0,所以许多分析不能进行。取一列为空白列后，重新计算，发现df不为0，恢复“正常”。所以，正交表通常不能填满，要预留空白列。虽然，有人说填满的正交表“不能进行方差分析，可以直观分析（极差分析）”或者“重复试验，增加试验次数来估计随机误差”，但这些其实都远离正交设计的原意。

如果试验的总次数n超过参数的总个数k,则还有多余的自由度来估计误差,进行方差分析。实际上,这就是“正交因子设计”原理的基本思路。与双因子的情况类似，如果在三个因子的每个水平组合上作相同的L次试验，则当L＞1（有重复）时，可以用全模型（即包含全部上述三种效应的模型）进行方差分析；而当L=1（无重复）时，二阶交互效应无法分析，而只能分析主效应和一阶交互效应。在因子试验中，除非可以事先确定数据中的随机误差很小，以至可以简单地忽略，否则误差的估计是必要的，它是进行F检验的前提。因此，如果不能简单忽略随机误差，就应该给误差的估计留下适当的自由度（n＞k）。

对于一些填满的正交表，若一个或几个因素对实验指标没有显著影响，有书籍和文献选择离差平方和中最小者作为误差列，然后作方差分析。