图2.11 双因素方差分析对话框
2、选择要分析的变量”销售量”进入Dependent Variable 框中，选择因素变量”地区”和”时期”进入Fixed Factor框中。
3、单击Model按纽选择分析模型，得到Model对话框。如图2.12所示：在Specify框中，指定模型类型。
Full Factorial 选项为系统默认项，建立全模型，全模型中包括因素之间的交互作用。如果选择分析两个因素的交互作用，则必须在每种水平组合下，取得两个以上的实验数据，才能实现两个因素的交互作用的分析结果。如果不考虑因素间的交互作用时，应当选择自定义模型。
图2.12 Univariate：Model对话框
Custom选项为自定义模型，本例选择此项并激活下面的各项操作。 先从左边框中选择因素变量进入Model框中，然后选择效应类型。一般不考虑交互作用时，选择主效应Main，考虑交互作用时，选择交互作用Interaction。可以通过单击Build Term下面的小菜单完成，本例中选择主效应。最后在Sum of Square 中选择分解平方和的方法后返回在主对话框。一般选取默认项TypeⅢ。单击OK就可以得到相应的双因素方差分析表2.11.
表2.11 销售量的双因素方差分析检验表
Tests of Between-Subjects Effects
Dependent Variable: 商品S（千件）
Type III Sum of
Source
Corrected Model Intercept 地区 时期 Error Total
Corrected Total
Squares 289.717(a) 1015.060 247.218 42.498 39.474 1344.250 329.190
df
8 1 4 4 16 25 24
Mean Square
36.215 1015.060 61.805 10.625 2.467
F 14.679 411.438 25.052 4.307
Sig.
.000 .000 .000 .015
a R Squared = .880 (Adjusted R Squared = .820)
表中用黑体字部分是一般统计学原理书中给出的双因素方差分析表。从表中数据可以看出，F值对应概率P值都小于显著性水平0.05，这说明地区和时期对销售量的影响都是显著的。
4、如果需要进行特定的两水平间的均值比较，可单击Contrast比较按纽，打开Contrast对话框如图2.13。在Factor框中显示所有在主对话框中选择的因素变量，括号中显示的是当前的比较方法，点击选中因素变量，可以改变均值的比较方法。
图2.13 Univariate：Contrasts 对话框
? Change Contrast栏中列出对比方法。在小菜单中供选择的方法依次是：
None 不进行均数比较；
Deviation 以观测量均值为标准进行比较；
Simple 以第一个或最后一个水平的观察值均值为标准；
Difference 各水平上观察值均值与前一个水平的均值进行比较； Hermert 各水平上观察值与最后一个水平的均值比较。
选择了比较方法后，再点击Change按纽确定，将选中的比较方法显示在选中的因素变量后的括号内。然后返回主对话框。
图2.14 Univariate ：Profile Plots对话框
5、如果需要进行图形展示，可单击Plots按纽，打开图形对话框如图2.14所示。选择作均值轮廓图（Profile)的参数。
（1）在Factor框中选择因素变量进入横坐标Horizontal Axis框内，然后单击add按纽，可以得到该因素不同水平的因变量均值的分布。 （2）如果要了解两个因素变量的交互作用，将一个因素变量送入横坐标后，将另一个因素变量送入Separate Lines分线框中，然后单击add按纽。就可以输出反映两个因素变量的交互图。本例中选择因素A为横坐标。 6、如需要将因素A各水平间均值进行两两比较，单击Post Hoc按纽，打开Post Hoc Multiple多重比较对话框如图2.15所示。从Factor框中选择因素变量进入Post Hoc Test for框中，然后选择多重比较方法。本例中各组方差相等，选择LSD方法。
图2.15 Univariate：Post Hoc多重比较对话框
7、单击Save 按纽，打开保存对话框，如图2.16所示。选择需要保存的变量。
图2.16 Univariate ：Save对话框
? Predicted Value 预测值栏，选择此栏系统将给出根据模型计算的
有关预测值的选择项。 ? Diagnostics 诊断异常值栏，有库克距离和杠杆值（leverage
value）。 ? Save to New File 保存新文件栏
? Residual 残差栏，有非标准化和标准化残差、学生化和剔除残差等。 本例中不作选择。
相关推荐：
loading