同单变量方差分析的思路是相同的，单变量方差分析是用于多组单变量均数的较多，主要思想是对方差进行分解。多元方差分析用于多组均向量的比较，主要思想是对方差-协方差矩阵的分解。适用于各种形式的实验设计的多组均向量比较、多变量因素分析和多变量回归分析。步骤：1/6分步阅读

调出相关操作窗口，见图片。

因变量：至少2个以上，且是数值变量。

固定因素：适用于固定效应模型，为分类变量，选一个或几个。

协变量：与因变量有关的数值变量，协方差分析时才用。

WLS权重：变量加权，用于加权最小二乘分析。

2/6

指定模型：系统默认是“全因子”，包含所有因子的主效应、所有协变量的主效应、所有因子的交互效应，但不含协变量交互效应。“设定”则为用户自己定义，因素交互作用、因素和协变量间的交互效应，所有因素和协变量均含在模型中。

“因子与协变量”中，F表示固定因素，C表示协变量。

“交互”：所有因素不同水平各种组合的交互效应，系统默认。

“主效应”：只考虑主效应，不考虑交互效应。

“所有三阶”：考虑3个因素的交互效应，其他几阶解释同于此理。

3/6

计算离差平方和：共有4种，系统默认“类型3”，“类型3”是最多应用的方法。

“类型1”：平衡设计，确定一级交互效应之前必须先确定主效应的离差，确定二级交互效应之前必须先确定一级交互效应离差，其他同理；多项式回归模型，其中，高次项确定前先确定低次项；嵌套模型，一级效应嵌套于二级效应之中，二级嵌套于三级之中，依次类推。

“类型2”：平衡的方差分析模型、仅含主效应模型、所有回归模型、纯嵌套模型。

“类型3”：类型1和类型2所列的模型、没有缺失数据的平衡或非平衡设计资料。

“类型4”：有缺失数据的平衡或非平衡设计资料、类型1和类型2所列的模型。

系统默认模型内含有截距。

4/6

“对比”：单变量组间比较，共6中方法供选择。

“偏差”：将每个水平的均数与所有水平的总均数进行比较。

“简单”：将各水平的均数与指定水平的均数进行比较。特别适合有对照的设计。

“差值”：将每个水平的均数与前一水平的均数进行比较（第一水平除外）。

“Helmert”：将每个水平的均数与后一水平的均数进行比较（最后一个水平除外）。

“重复”：将每个水平的均数与其后各水平的均数进行比较（最后一个水平除外）。

“多项式”：比较线性效应，二次效应、三次效应等，用于估计多项式趋势。

5/6

某因素某个水平上某因变量的估计均数，散点联线后显示估计均数随两个因素不同水平组合的变化趋势，若平行线条，表示两因素没有交互作用，若有交叉，存在交互作用。用于比较模型中的因变量均数估计。

“两两比较”：具体操作可见我以前写的文章，搜索“spss教程：单因素方差分析 百度经验”。

6/6

因子与因子交互：选入预估计条件总体均数的主效应和交互效应的因素，并选入右框“显示均值”，显示框内因素的条件均数估计、包括均数、标准误、可信区间。

“比较主效应”：提供模型中各主效应的条件估计均数的非校正多重比较。

“输出”：描述统计、SSCP矩阵、方差齐性检验。

结果解释：1/3

对统计量的基本描述；对协方差等同性检验的概率为0.670，大于显著性水平0.05，协方差阵齐性，适合做多元方差分析。

“多变量检验”：四种多元方差分析方法，Wilks Lambda检验具有简单的优点，并且与似然比准则有关，观察三组均向量间有显著差异，概率为0.001，可进一步两两比较；但是该过程不能作均向量两两比较。

“误差方差等同性检验”：计算出的概率分别是0.260、0.804，都大于显著性水平0.05，所以接受原假设。

2/3

单变量组间比较的方差分析，由“校正模型”知，三组血红蛋白间比较有显著差异，概率为0.003，红细胞概率为0.032，有显著差异。

“主体间SSCP矩阵”：结果见图片，具体解释参考相关书籍。方差-协方差矩阵的分解。

3/3

“估计”是单变量多重比较的基本统计量。

“成对比较”是LSD多重比较结果，单变量多重比较，对于血红蛋白，B组最高，C组其次，A组最后。红细胞计数的结果也是B组最高，C组其次，A组最后。

方差