文档介绍：多因素方差分析
定义：
多因素方差分析中的控制变量在两个或两个以上，研究目的是要分析多个控制变量的作用、 多个控制变量的交互作用以及其他随机变量是否对结果产生了显著影响。
前提：
总体正态分布。当有证据表明总体分布不是正态分布时，可
性别 0
15
表1主体间因子
N
组别 1
2
3
性别 o
1
10
10
10
15
15
表2描述性统计量
因变量:成绩
组别
性别
均值
标准偏差
N
1
0
6
1
4
总计
10
2
0
5
1
5
总计
10
3
0
4
1
6
总计
10
总计
0
15
1
15
总计
30
表3误差方差等同性的Levene检验a
因变量:成绩
F
df1
df2
Sig.
.710
5
24
.622
检验零假设，即在所有组中因变量的误差方差均相
：截距+组别+性别
表2描述性统计，组1数学成绩取值范围：平均值土标准差，
表3误差方差等同性的Levene检验，P=>,方差齐性，且正态检验结果为正态分布, 所以可以用多因素方差分析。（P值〉，事后多重比较用“LSD；否则，方差不
齐，事后多重比较用“Dunnett's C "； S-N-K法多重比较结果为无差别表达方式，即把差别没 有显著性意义的比较组在同一列里）
表4主体间效应的检验
因变量:成绩
源
III型平方和
df
均方
F
Sig.
校正模型
3
.000
截距
1
.000
组别
2
.000
性别
1
.745
.396
误差
26
总计
30
校正的总计
29
a. R 方=.559 （调整 R 方=.508）
表4主体间效应的检验，“组别” P=°.°°°V°.°1，说明“组别”的主效应极显著；“性 别”P=>，说明“性别”的主效应不显著。由于“性别”只有两个水平，所 以没有“性别”的事后多重比较。
表5多个比较
因变量:成绩
⑴组 别
（J）组 别
均值差值（I-J）
标准误差
Sig.
95%置信区间
下限
上限
LSD
1
2
.061
-.40
3
*
.000