如何用spss数据分析双因素方差（两个自变量对一个因变量的影响）

多因素方差分析适用于两个以上自变量（离散变量）对一个因变量（连续变量）的影响。

主要包括主效应分析、交互作用分析、单独效应分析。

主效应：单个自变量对因变量的影响（不考虑其他自变量）。

交互作用：一个自变量对因变量的影响在另一个或多个自变量不同水平上的表现不同。具体表现为线图交互。

单独效应：固定一自变量水平时，另一自变量对因变量的影响。

以最简单的双因素方差分析为例：

不同剂量运动对静坐少动中年女性血脂的影响

低水平的心肺耐力相对于其他风险因素会造成更多的死亡率。与规律运动的人群相比，缺乏规律运动的人群在发生慢性疾病方面概率更高；因此，缺乏身体活动将成为21世纪最严重的公共健康问题。分析不同运动量对血脂的影响，不仅有助于更好地加强对中年女性的科学指导，促进中年女性群体积极参与全民健身；也有利于运动处方的制定更加科学合理。

1对象与方法

1.1实验对象

招募40～49岁年龄范围内的静坐少动中年女性人群，要求招募对象为工作、生活规律，未参加每周至少3d、每天不少于30min的中等强度身体活动，且持续3个月以上的中年女性。筛选出符合要求的静坐少动中年女性受试者240人，所有受试者均已签署知情同意书。

1.2实验分组

将实验对象随机分成4组，每组60人。即30min中强度组（40%～55%HHＲ）、30min大强度组（60%～80%HHＲ）、60min中强度组（40%～55%HHＲ）、60min大强度组（60%～80%HHＲ）。

1.3实验测试

实验前后分别测试受试者的血脂（TC、TG、HDL-C、LDL-C）。

部分数据：

图1

1.4统计分析

以运动时间（30min和60min）、运动强度（中强度、大强度）为自变量，血脂指标为因变量进行双因素方差分析。显著性水平取0.05。

2 SPSS步骤：

1）分析-一般线性模型-单变量

图2

2）"运动时间"、"运动强度"为"固定因子"，"低密度脂蛋白"为"因变量"。（先以低密度脂蛋白为例）

点击"选项"。

图3

3）勾选"描述统计"，点击"继续"。

"齐性检验"和"效应量估算"也是常用的功能，这里不再介绍。

图4

4）图3中点击"图"，"运动时间"和"运动强度"分别选入"水平轴"和"单独的线条"。（此处用于做交互图）

点击"添加"、"继续"。

图5

5）回到"图3"对话框，点击"确定"。呈现统计结果。

3结果

1）图6是均值、标准差情况。

图6

2）图7是双因素方差分析表。分别给出了运动时间、运动强度的主效应，和运动时间与运动强度的交互作用。

判断标准："显著性"也就是P＞0.05时，不具有统计学意义；P≤0.05时，具有统计学意义。

3）首先看"交互作用"。一般情况下，"交互作用"没有统计学意义时再看主效应；交互作用有统计学意义时参考主效应。

图7

4）运动时间与运动强度的交互作用P=0.044＜0.05，交互作用具有统计学意义。结合下面的轮廓图（交互图）会发现，两条直线发生了明显的交叉。

因此，交互作用的具体表现为：每天锻炼30分钟时，大强度的低密度脂蛋低于中等强度；每天锻炼60分钟时，大强度的低密度脂蛋高于中等强度。

图8

5）根据方差分析表（图7）和交互图（图8）可以概括初步结果：

每天进行60分钟中等强度或30分钟大强度运动能够很好的降低低密度脂蛋白。

注：低密度脂蛋白为"低优指标"（值越小越好）。

4 小结

上面的结果并没有参考主效应。原因是此时主效应无论是否存在统计学意义，都对主要结果几乎没有参考价值。原因：即便是运动时间的主效应具有统计学意义，也不能说每天锻炼60分钟比每天锻炼30分钟好（因为，根据交互图，大强度时30分钟比60分钟好，中等强度时30分钟比60分钟差。两者相反）。

也有特殊情况，交互作用具有统计学意义时需要参考主效应。比如下面的交互图：

读者可以自行分析。

5.单独效应分析

单独效应是固定一自变量水平时，另一自变量对因变量的影响。

SPSS中可以通过运行程序实现，下面的程序是在上面分析的基础上增高的。大家可以自行尝试：

/EMMEANS=TABLES(运动时间*运动强度) compare(运动时间)ADJ(LSD)

/EMMEANS=TABLES(运动时间*运动强度) compare(运动强度)ADJ(LSD)

---

关注头条号：科研与统计，了解更多相关知识、信息。

,