單因素方差分析（ONE WAY ANOVA）也稱一維方差分析，用來檢驗單一
因素影響的兩個以上組均值之間是否具有顯著性差異。在實際的研究工作中，經常需要比較兩組以上樣本均數的差別，這時不能使用t 檢驗方法作兩兩間的比較（如有人對四組均數的比較，作6 次兩兩間的t 檢驗），這勢必增加兩類錯誤的可能性。故對於兩組以上的均數比較，必須使用方差分析的方法，當然方差分析方法亦適用於兩組均數的比較。方差分析可調用此過程可完成。我們用如下例題講解分析過程。
例題：某工廠檢驗不同品牌機器生產燈泡數量的差異。A、B、C 三種品牌機器
的數量分別是6 臺、4 臺和2 臺，日生產燈泡數量見表1，問3 種品牌機器的日
生產數量是否具有顯著差異？
表1 A、B、C品牌的日產燈泡數量
A品牌
B品牌
C品牌
1230
2048
1687
1350
2321
1673
1053
2223
1331
1245
1302
1. 數據準備
激活數據管理窗口，定義變量名：實際觀察值定義為x，組別用變量group
表示：其中A 品牌組的值為1、B 品牌組的值為2、C 品牌組的值為3，輸入後的結果如圖1 所示。
圖1. 單因素方差分析的原始數據
2. 統計分析
激活Statistics（分析）菜單選Compare Means（比較均值）中的One-Way ANOVA...項，彈出One-Way ANOVA 對話框（如圖2 示）。從對話框左側的變量列表中選x，點擊鈕使之進入Dependent List（因變量列表）框，選group 點擊鈕使之進入Factor（因子）框（圖2），點擊Post Hoc Multiple Comparisons（兩兩比較）對話框（如圖3 所示），這時可見在Tests 框中有多種比較方法供選擇：
圖2. 單因素方差分析對話框
圖3 兩兩比較對話框
圖4.選項對話框
1）Least-significant difference：最小顯著差法。可指定0~1 之間任何顯著性
水平，默認值為0.05；
2）Bonferroni：Bonferroni 修正差別檢驗法。可指定0~1 之間任何顯著性水
平，默認值為0.05；
3）Duncan’s multiple range test：Duncan 多範圍檢驗。只能指定為0.05 或
0.01 或0.1，默認值為0.05；
4）Student-Newman-Keuls：Student-Newman-Keuls 檢驗，簡稱N-K 檢驗,亦
即q 檢驗。只能為0.05；
5）Tukey’s honestly significant difference：Tukey 顯著性檢驗。只能為0.05；
6）Tukey’s b：Tukey 另一種顯著性檢驗。只能為0.05；
7）Scheffe：Scheffe 差別檢驗法。可指定0~1 之間任何顯著性水平，默認
值為0.05。
本例選擇LSD 和Duncan 顯著性檢驗法，顯著性水平選擇0.05 水平。之後
返回單因素方差分析對話框，選擇「選項」對話框， 選擇「描述」選項（圖4），返回單因素方差分析對話框，點擊確定。
3. 結果分析
在結果輸出窗口中將看到如下統計數據：
上述結果顯示組1、2、3 的平均值、標準差、標準誤，最大值和最小值。
上述結果顯示：第一列顯示3 個組平均值從小到大分別為組1、組3、組2，
第二列顯示每組有幾個數值，3-5 列3 個平均值不在同一列表示在0.05 水平差異顯著，在同一列差異不顯著。該結果顯示3 組之間均有顯著差異。之後我們重返單因素方差分析對話框，顯著性水平選擇0.01，進行0.01 水平的顯著性分析。