方差分析是用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状，造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分析的基本思想是：通过分析研究不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。
方差分析主要用途：①均数差别的显著性检验，②分离各有关因素并估计其对总变异的作用，③分析因素间的交互作用，④方差齐性检验。
在科学实验中常常要探讨不同实验条件或处理方法对实验结果的影响。通常是比较不同实验条件下样本均值间的差异。例如医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响；不同化学药剂对作物害虫的杀虫效果等，都可以使用方差分析方法去解决。
方差分析原理
方差分析的基本原理是认为不同处理组的均数间的差别基本来源有两个：
(1) 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示， 记作SSw，组内自由度dfw。
(2) 实验条件，实验条件，即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和表示，记作SSb，组间自由度dfb。
总偏差平方和 SSt = SSb + SSw。
组内SSt、组间SSw除以各自的自由度(组内dfw =n-m，组间dfb=m-1，其中n为样本总数，m为组数)，得到其均方MSw和MSb，一种情况是处理没有作用，即各组样本均来自同一总体，MSb/MSw≈1。另一种情况是处理确实有作用，组间均方是由于误差与不同处理共同导致的结果，即各样本来自不同总体。那么，MSb>>MSw(远远大于)。
MSb/MSw比值构成F分布。用F值与其临界值比较，推断各样本是否来自相同的总体。
方差分析的假设检验
假设有m个样本，如果原假设H0：样本均数都相同即μ1=μ2=μ3=…=μm=μ，m个样本有共同的方差。则m个样本来自具有共同的方差和相同的均数u的总体。
SPSS数据的参数检验和方差分析
参数检验和方差分析是统计学中常用的两种分析方法。本文将详细介绍SPSS软件中如何进行参数检验和方差分析，并提供一个示例来说明具体的操作步骤。
参数检验（Parametric Tests）适用于已知总体分布类型的数据，通过比较样本数据与总体参数之间的差异，来判断样本数据是否与总体相符。常见的参数检验包括：
1. 单样本t检验（One-sample t-test）：用于比较一个样本的均值是否与总体均值相等。
2. 独立样本t检验（Independent samples t-test）：用于比较两个独立样本的均值是否相等。
3. 配对样本t检验（Paired samples t-test）：用于比较两个相关样本的均值是否相等。
4. 卡方检验（Chi-square test）：用于比较两个或多个分类变量之间的关联性。
接下来，将以一个具体的实例来说明SPSS软件中如何进行单样本t检验和卡方检验。
实例：
假设我们有一个数据集，记录了一所学校不同班级学生的身高信息。我们想要进行以下两种分析：
1. 单样本t检验：假设我们想要检验学生身高平均值是否等于169cm（假设总体均值为169cm）。步骤如下： a.打开SPSS软件，并导入数据集。
b.选择“分析”菜单，然后选择“比较均值”下的“单样本t检验”。
c.在弹出的对话框中，选择需要进行t检验的变量（身高），并将值169输入到“测试值”框中。
d.点击“确定”按钮，SPSS将生成t检验的结果，包括样本均值、标准差、t值和p值。
2.卡方检验：假设我们想要检验学生身高与体重之间是否存在关联。步骤如下：
a.打开SPSS软件，并导入数据集。
b.选择“分析”菜单，然后选择“非参数检验”下的“卡方”。
c.在弹出的对话框中，选择需要进行卡方检验的两个变量（身高和体重）。
d.点击“确定”按钮，SPSS将生成卡方检验的结果，包括卡方值、自由度和p值。
方差分析（SPSS版）
原创 Gently spss学习乐园
00方差分析
方差分析的基本思想
R.A.Fisher提出的统计理论基础：将总变异分解为由研究因素所产生的变异与抽样误差的部分，通过比较来自于不同部分的变异，借助统计分析做出推断。（将所有样本响应变量的变异分解成因素不同水平间变异和随机误差，再判断因素不同水平间变异与随机误差之间是否存在统计学意义。）其中，所有样本响应变量的方差称为全部平方和 SS T；由因素不同水平间差异引起的、可以由模型中因素解释的部分方差称为模型平方和（SS M）；由抽样过程本身引起的部分方差称为误差平方和（SSE）；且有 SS T = SS M+ SSE ；其中，R2 =SSM / SST ；取值范围为0~1，R方越趋近于1，意味着模型能解释的比例越大，即模型对数据的拟合越好。
方差分析应用条件
① 样本数据服从正态分布
② 样本数据满足方差齐性要求
③ 样本数据集中观测间是独立的
（样本数据中，其中一个观测所包含的信息与其它观测均无关）
【注】在实际应用中，并不要求观测严格服从正态分布，如果观测近似服从正态分布，就认为其满足方差分析的正态性假设；当样本含量较大时，无论资料是否来自正态分布总体时，中心极限定理均保证了样本均数的抽样分布服从或近似服从正态分布。 通常采用方差齐性检验来判断方差齐性，如果样本含量相等或相近，即使方差不齐，方差分析仍然稳健且检验效能较好。SPSS中提供了Levene检验来判断是否方差齐性。
对于明显偏离正态性和方差齐性的资料，可采用数据变换或秩变换的非参数检验的方法。
方差分析的分类：
按照因素个数可分为，单因素方差分析、双因素方差分析、多因素方差分析等等。按照不同的设计方式可分为，完全随机设计资料的方差分析、随机区组设计资料的方差分析、拉丁方设计资料的方差分析、析因设计资料的方差分析等等。本节以单因素方差分析为例，介绍主要的操作步骤和结果分析。
百度文库 - 让每个人平等地提升自我！
1 SPSS中的单因素方差分析
一、基本原理 单因素方差分析也即一维方差分析，是检验由单一因素影响的多 组样本某因变量的均值是否有显著差异的问题，如各组之间有显著差 异，说明这个因素（分类变量）对因变量是有显著影响的，因素的不 同水平会影响到因变量的取值。
二、实验工具 SPSS for Windows 三、试验方法 例：某灯泡厂用四种不同配料方案制成的灯丝（filament），生产 了四批灯泡。在每批灯泡中随机地抽取若干个灯泡测其使用寿命（单 位：小时hours），数据列于下表，现在想知道，对于这四种灯丝生产 的灯泡，其使用寿命有无显著差异。
灯泡 灯丝 1 2 3 4 5 6 7 8 甲 1600 1610 1650 1680 1700 1700 1780 乙
1500 1640 1400 1700 1750 丙 1640 1550 1600 1620 1640 1600 1740 1800 丁
1510 1520 1530 1570 1640 1680 四、不使用选择项操作步骤 （1）在数据窗建立数据文件，定义两个变量并输入数据，这两 个变量是：
filament 变量，数值型，取值1、2、3、4 分别代表甲、乙、丙、 丁，格式为F1.0，标签为“灯丝”。
Hours 变量，数值型，其值为灯泡的使用寿命，单位是小时，格 式为F4.0，标签为“灯泡使用寿命”。
（2）按Analyze，然后Compared Means，然后One-Way Anova 的顺序单击，打开“单因素方差分析”主对话框。
（3）从左边源变量框中选取变量hours，然后按向右箭头，所选 去的变量hours 即进入Dependent List 框中。
（4）从左边源变量框中选取变量filament，然后按向右箭头，所 选取的变量folament 即进入Factor 框中。
（5）在主对话框中，单击“OK”提交进行。
