单因素方差分析指的是自变量只有一个的方差分析，实验的设计一般是将被试随机分配到不同的自变量水平，这样不同的分组就代表着不同的自变量水平，值得注意的是，自变量虽然只有一个，但是因变量可以有两个甚至更多。下面是具体的方法。
工具/原料
- spss20.0
方法/步骤
- 在spss中打开你要处理的数据，在菜单栏上执行：analyse-compare means–one-way anova，打开单因素方差分析对话框
- 在这个对话框中，将因变量放到dependent list中，将自变量放到factor中，这个研究中有两个因变量，所以把两个因变量都放到上面的列表里
- 点击post hoc，打开一个对话框，设置事后检验的方法
- 在这个对话框中，我们在上面的方差齐性的方法中选择tukey和REGWQ，在方差不齐性的方法中选择dunnetts，点击continue继续
- 回到了anova的对话框，点击options按钮，设置要输出的基本结果
- 这里选择描述统计结果和方差齐性检验，点击continue按钮
- 点击ok按钮，开始处理数据
- 我们看到的结果中，第一个输出的表格就是描述统计，从这个表格里我们可以看到均值和标准差，在研究报告中，通常要报告这两个参数
- 接着看方差齐性检验，方差不齐性的话是不能够用方差齐性的方法来检验的，还好，这里显示，显著性都没有达到最小值0.05，所以是不显著的，这证明方差是齐性的
- 接着看单因素方差分析表，反应时sig值不显著，而错误率达到了显著的水平，这说明实验处理对错误率产生了影响，但是对反应时没有影响
接着看事后检验，因为反应时是没有显著差异的，所以就不必再看反应时的事后检验，直接看错误率的事后检验，从图中标注的红色方框可以看到，第一组和二三组都有显著的差异，而第二组和第三组没有显著差异。关于dunnet方法，它适合在方差不齐性的时候使用，因为方差齐性，不必去看这个方法的检验结果了
最后我们看这个表格，这里有两个检验方法都是在方差齐性的时候使用的，我们从红色方框可以看出第一组分为一组，第二三组分为一组，它的意思是上面的结果是一致的。
转载请注明来自DataScience.
邮箱: 675495787@qq.com