本文以SPSSAU系統為例，針對方差分析的常見問題進行匯總說明。
關於方差分析的分析思路及相關操作可閱讀連結文章：
SPSSAU：全流程總結方差分析，只看這篇就夠了。
①問題一：t檢驗與方差分析的區別？
t檢驗只能進行兩組之間的比較，當分析項X組別超過兩組時，應使用方差分析。
②問題二：方差分析是否需要滿足正態性？
方差檢驗一般需要進行正態性檢驗，但方差檢驗對數據的正態性的有一定的耐受能力，只要數據近似正態即可接受。如果數據嚴重不正態，則可使用非參數檢驗。
非參數檢驗
也有文獻提及可將數據進行轉換後使其更加接近或符合正態性，然後繼續使用方差分析，用戶可嘗試進行數據轉換【數據處理->生成變量】功能，一般是對數據進行比如求對數，開根號等處理。
③問題三：方差分析是否需要滿足方差齊？
方差齊是方差分析的前提，方差分析前一般需要對數據進行方差齊性檢驗。
當方差齊檢驗沒有呈現出顯著性（即P>0.05），可使用方差分析。
當方差齊檢驗呈現出顯著性，即說明不同組別的數據波動不一致，方差不齊。此時可考慮使用Welch anova或Brown-Forsythe anova或非參數檢驗作為代替方法，進行分析。
方差分析
④問題四：方差分析需要的數據格式?
正常問卷數據（即原始格式）可直接進行分析。原始格式參考：
https://spssau.com/front/spssau/helps/otherdocuments/methodsdataformat.html
如果是實驗數據，通常要把數據按照下圖格式進行整理：
數據格式
整理前，每一組數據結果各佔一列；整理後，所有組別記為一列（用於標識不同組別），所有數據結果記為一列。
分析時，組別項放入X框，分析項放入Y框即可。
⑤問題五：方差分析出現null，如何解決？
結果中出現null值，多是由於數據格式錯誤或是樣本過少（只包含一個樣本n=1），導致算法無法計算出指標值。解決的方法是增加樣本量。
⑥問題六：多組數據出現差異後怎麼兩兩比較？
如果使用方差分析對比多組數據差異，結果呈現出顯著性，說明不同組別之間確實存在顯著差異，此時則可以使用【進階方法】--【事後多重比較】，對兩兩組別進行對比。
兩兩比較
SPSSAU提供了多種事後檢驗方法，適用於不同場景下使用。一般情況默認使用LSD方法即可。
⑦問題七：方差分析效應量如何解讀？
當呈現出顯著差異性(前提)時,可分析差異,同時還可以分析差異幅度，即深入分析中提供的效應量指標。
方差分析時,通常使用Eta方表示效應量,其計算公式為: 偏Eta方=SSB/SST，SSB和SST均為中間過程值無需關注，SSB表示組間差，SST為總差異;
偏Eta方值介於0~1之間，該值越大說明差異幅度越大，比如偏Eta方為0.1，即說明數據的差異有10%是來源於不同組別之間的差異，一般情況下偏Eta值非常小，使用偏Eta方表示效應量大小時，效應量小、中、大的區分臨界點分別是:0.01，0.06和0.14；
同時還可以使用Cohen’s f 表示效應量，效應量小、中、大的區分臨界點分別是:0.10，0.25和0.40。
以上就是今天分享的內容，更多乾貨內容可關注SPSSAU微信公眾號。