双因素方差分析

方差分析当自变量的个数超过一个时，通常要考虑变量之前的交互作用，那么此时的双因素方差分析称为有交互作用的双因素方差分析。这时进行分析，可能会涉及主效应分析、交互效应分析、简单效应分析、事后多重比较四个方面；今天来学习一下，有交互作用的双因素方差分析应该如何分析。

考虑两个定类数据（自变量）对定量数据（因变量）的影响时，使用的方差分析称为双因素方差分析。与单因素方差分析不同之处在于，双因素方差分析同时考虑两个自变量对因变量的影响，且需要考虑两自变量之间是否有交互效应。

一般来讲，双因素方差分析可以进行主效应分析、交互效应分析、简单效应分析、以及事后多重比较。

提示：当主效应存在时，可以进行事后多重比较；当交互效应存在时，可以进行简单效应分析。

案例说明：假设有A、B、C、D四种施肥方式，3种水稻品种，现在想要研究不同施肥方式和不同品种水稻之间产量是否有差异，以及施肥方式和品种的交互作用对水稻产量是否有影响，根据研究目的可以知道，应该选择双因素方差分析进行研究。选择相同状况的土地进行试验，将得到的试验数据整理成如下格式：

虚拟数据，教学演示

当存在两个变量时，应该首先考虑有交互效应的双因素方差分析模型。将数据上传至SPSSAU系统，选择双因素方差分析，将变量拖拽到相应分析框中后，同时勾选【二阶效应】和【简单效应】，事后多重比较选择【LSD】比较法，操作如下图：

点击开始分析，SPSSAU即可输出双因素方差分析结果。

双因素方差分析中，我们将实验中由一个自变量的不同水平引起因变量产生的差异称为主效应。

SPSSAU输出有交互效应的双因素方差分析结果如下：

从上表可以看出：施肥方式呈现出显著性(F=104.962，p=0.000