在医学研究中，经常会遇到一列连续数值型因变量受多个因子影响的情况。
要分析多个因子变量与因变量的关系，比如某个指标的值受不同的实验组，测量时间等因素影响，是否会产生显著的差异，这些因子的主效应、交互效应等是否显著，就需要我们用到今天所讲解的SPSS方差分析之多因素方差分析，下面通过实际案例来详细讲解。
我们搜集了180例患者不同治疗方式、水平、测量时间下的α指标的数据，要分析不同治疗方式、水平、测量时间对α指标的数据的主效应、交互效应。(图1)
图1
操作步骤：
①点击“分析”--“一般线性模型”--“单变量”(图2)，将α指标选入右侧因变量栏，将治疗方式、水平、测试时间选入右侧固定因子栏(图3)
图2
图3
②设置参数。点击右侧“对比”按钮，将3个因子的对比全部选为“简单”，点击“变化量”按钮。(图4)
图4
③点击右侧“事后比较”按钮，将测试时间选入右侧框中，并勾选下方的“LSD”多重比较方法，(图5)，注意，只有当因子分类大于2类时候，才可以使用多重比较
图5
④点击右侧“选项”，将3个因子选入右侧的均值框中，并勾选下方“描述统计”(图6)，然后点击确定按钮
图6
⑤结果分析
图7-0
上表(图7-0)为3个不同因子下的α指标的一个均值和标准差的描述分析，比较简单，就不过多分析。
图7-1
由上表(图7-1)可以看出：治疗方式、水平、测试时间3个因子的主效应均显著，P都小于0.05。说明在不考虑其他2个因子，单只考虑其中一个因子的时候，α会随这个因子的变化而产生显著的变化。而2因素交互效应治疗方式*水平、治疗方式*测试时间、水平*测试时间也全部显著。三因素交互效应治疗方式*水平*测试时间也显著。
图7-2
而不同测试时间之间的多重比较如上表(图7-2)，可以看出前测的α显著最小，即时后测的α显著最大。
以上就是今天SPSS方差分析之多因素方差分析在医学统计分析中的应用，今天所讲的是多因素方差分析的方法与操作，主要学习了因子的主效应和交互效应是否显著。这里拓展一下，当交互效应显著时候，我们还需要进一步分析因子之间的简单效应。那么简单效应如何操作和分析结果，我们将在下一讲中详细讲解，敬请大家持续关注！
本期课程就到这里哦，感谢大家耐心观看！每日更新，敬请关注！
【杏花开生物医药统计】微信公众号(xhkdata)
相关文章(灰色区域可滑动)
● SPSS虚拟线性回归分析在问卷数据分析中的应用
● SPSS进行问卷量表信度检验(详细操作过程及结果分析)
● SPSS进行中介效应检验的实战操作与分析结果详解
● AMOS结构方程教程，调节效应分析操作与结果的详细解读
● SPSS混合线性模型在生物医药统计中的应用与操作
● SPSS无序Logistic回归在生物医药统计分析中的应用
● AMOS处理生物医药问卷中的中介效应分析
● AMOS进行问卷分析中效度分析之验证因子分析教程
● SPSS重复测量方差分析在生物医药中的应用
● SPSS调节回归分析在生物医药统计分析中的应用
● SPSS进行组间差异比较及其两两比较
● SPSS独立样本T检验与SPSS单因素方差分析详细教程
● GraphPad Prism绘制ROC曲线的具体操作步骤
● SPSS进行连续型数据的正态分布检验
● SPSS有序Logistic回归在生物医药统计分析中的应用
● GraphPad Prism绘制生存曲线详细教程
● SPSS如何比较样本两组样本的组内和组间差异
● SPSS生存分析在生物医药统计中的应用之COX风险比例回归
● AMOS结构方程进行医学问卷量表分析教程
● SPSS生存分析在生物医药统计中的应用
● GraphPad Prism绘制柱状图
● SPSS中对问卷数据进行探索因子分析
● SPSS问卷数据统计分析之项目分析
● Excel进行线性回归模型分析的操作与结果解读
● Excel在统计分析中的应用之单因素方差分析
● Excel进行基础数据分析之VLOOKUP函数及透视表的应用
● Excel进行数据分析常用方法及函数汇总
● SPSS中常用的参数和非参数检验方法、基本原理和操作步骤
● ROC曲线在SPSS中的具体操作及医学和生物统计中的应用
● 一文读懂R语言如何实现逐步回归分析
● R语言中如何绘制散点图和箱线图？看完即会
● SPSS中的Variable数据变量类型介绍
点赞！
转播
