一、方差分析概述
（一）单因素方差分析
单因素方差分析主要用于探究一个定类数据与一个定量数据之间的关系。通过分析p值，我们可以了解数据之间是否呈现出差异性。如果p值小于0.05，说明数据间存在显著差异；反之，如果p值大于0.05，则说明数据间没有显著差异。
例如，我们可以利用SPSSAU的统计结果来研究学历对于工资的差异性。结果显示，不同学历样本对于工资全部均呈现出显著性差异，具体差异可通过平均值进行对比。
（二）深入分析——效应量指标
当方差分析显示出显著性差异时，我们除了对比平均值外，还可以使用效应量(Effect size)来研究差异幅度情况。效应量的大小可以用偏Eta方表示，其值越大说明差异越大。我们还可以使用Cohen’s f来表示效应量，其计算公式和临界点也一并给出。
（三）双因素及多因素方差分析
双因素及多因素方差分析是用于探究两个或多个定类数据与定量数据之间的关系。例如，我们可以研究研究人员性别、学历与网购满意度之间的关系，或者研究物、是否高血压等多个因素对于胆固醇水平的影响关系。这些分析可以帮助我们更好地理解变量之间的相互作用和主效应。
以三因素方差分析为例，除了考虑主效应外，还需要考虑二阶效应和三阶效应等交互作用。在进行交互作用分析时，需要满足一定的前提条件，即自变量和交互项都需要呈现出显著性。
二、事后多重比较
事后多重比较是基于方差分析结果进行的，用于具体分析定类数据两两组别之间的差异对比。例如，当我们发现三组学生智商有显著差异时，可以使用事后多重比较来具体分析是哪两组之间的差异。事后多重比较的方法有多种，SPSSAU系统默认使用法。
三、简单效应与边际估计均值
简单效应指的是在某个X水平下，对X2不同水平的比较。SPSSAU进行简单效应时默认使用Bonferroni法计算p值。而边际估计均值（EMMEANS）是在进后多重比较时计算的均值差值的基础，它是对平均值的矫正，更为科学和准确。
【特别提示】