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）
【杏花开生物医药统计】相关文章：
· SPSS虚拟线性回归分析在问卷量表数据统计分析中的应用
· SPSS进行中介效应检验的实战操作与分析
· AMOS结构方程教程，SPSS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进行问卷分析效度分析之验证因子分析
· SPSS调节回归分析在生物医药统计分析中应用
· SPSS重复测量方差分析在生物医药中的应用
· 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
· GraphPad Prism绘制ROC曲线具体操作步骤
· SPSS进行连续型数据的正态分布检验
· SPSS有序Logistic回归的具体操作
· SPSS生存分析在生物医药统计中的应用之COX风险比例回归
· SPSS二元Logistic回归在生物医药统计分析中的应用
· Medcalc软件精准比较多个指标诊断准确率
· SPSS多元线性回归的应用操作及分析
· SPSS和GraphPad如何比较组内和组间差异
· 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统计绘图之柱状图、箱式图
· SPSS中对问卷数据进行探索因子分析的详细操作与结果解读
· 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
· SPSS中常用的参数和非参数检验方法
· ROC曲线在SPSS中的操作及应用
· 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？
· SPSS中的Variable数据变量类型介绍
· 相关性分析在SPSS中的操作，相关系数含义
· 一文读懂SPSS单因素方差分析及方差分析
· 线性回归决定系数R方的计算方法及具体意义
· 医学和生物统计全过程
· 生物和医学统计中的假设检验
· GraphPad Prism绘制生存曲线详细教程
,
