SPSS 方差分析结果不显著怎么处理：先查这四件事
更新于
方差分析结果不显著怎么处理：先别急着写「组间没有差异」。不显著只说明现有数据不足以判断存在差异，原因可能是真的没有差异，也可能是样本量不够、测量噪声大或前提没满足。下面按四件事逐项核查。
先说明本页的数据：站内演示数据 150 行，本页随机抽取 128 行、分两组，F 检验的结果是显著的。本页没有不显著的演示结果，所以演示数据只用来展示每项核查在报告里对应哪里、怎么读，别把它当成不显著结果的样子。
现象：主结果表的 p 列没有星号
跑完单因素方差分析，主结果表和方差分解表的 p 列没有 、、（显著时会写成像本例的 <0.001***），结论所依据的检验（经典 F，Levene 显著时为 Welch F）的 p 不小于 0.05。这时先别写「无差异」。方法说明见单因素方差分析。
原因：先查四件事
- 样本量：每组人数少，功效就低，真实差异也可能检不出。
- 效应量：η² 是样本效应量，要连同它的 95% 置信区间一起看，规则见后文。
- 前提：观测独立由研究设计保证，残差正态与方差齐性可在第一张卡查看；每组 n 在 30 以上时，残差轻度偏离正态，F 检验仍较稳健。
- 分组与测量：分组定义、取值范围和录入有无问题，在第一张卡的描述表里就能核对。
方差分析结果不显著怎么处理：三步
- 在「单因素方差分析」里放入分组变量和因变量，先读方差分解表里的 F、自由度与 p。
- 读第四张卡的 η² 与它的置信区间，再看第一张卡的各组人数、取值范围和前提检验。
- 怀疑样本不够，看「单因素方差(ANOVA)功效」第四张卡的最小可检测效应（MDES），判断本样本检不检得出合理大小的效应。
要导出这份结果时：分析和查看结果不用登录；开通会员后可导出 Word / PDF 报告、使用 AI 解读。保存历史、我的数据与 LaTeX 源码导出需要登录。
怎么确认已经解决
- η² 区间读对了：对应关系见下图，下限大于 0 说明效应显著，p 不小于 0.05 时下限必为 0，下限为 0 时仍要回到 p 值判断。
- 每组人数写进结果，并说明当前样本能检测的最小效应量。
- 前提核对过：Shapiro-Wilk 与 Levene 的 p 都已看。第二张卡的稳健检验表始终给出 Welch F 与 Brown-Forsythe F，Levene 显著时结论自动改以 Welch F 为准；Tukey HSD 仍假定方差齐，两两比较要到「事后多重比较」里选 Games-Howell（或 Tamhane's T2）。
- 分组和取值核对过：每组人数、分组水平数、因变量最小与最大值都对得上原表。
用演示数据看每一项在报告里怎么读
以下结果来自本站演示数据（模拟生成，不代表真实研究结论）；点「用演示数据试一试」载入全部 150 行，数字略有差别，读法相同。
样本量：两组人数是 66 与 62，共 128 人，没有缺失。方差分解表里，组间平方和 2282.493，组内 7430.435，组内均方 58.972，F(1, 126)=38.705。
效应量：η² 为 0.235，95% 置信区间 [0.116, 0.351]，下限大于 0，对应显著；偏倚校正的 ω² 为 0.228，Cohen's f 为 0.554，属大效应。两组均值 70.242 与 61.792，Tukey 给出均值差 8.450，95% 置信区间 [5.762, 11.138]。
前提：残差 Shapiro-Wilk W=0.988，p=0.313；Levene（基于中位数）p=0.095。两项都未拒绝，结论以经典 F 为准；第二张卡的稳健检验表还给出 Welch F=38.233（df2=118.23）作稳健性参照，与经典 F 一致。残差严重偏态且每组样本较小时，另一条路是改用「多独立样本Kruskal-Wallis检验」。
分组与测量：分组变量「治疗方案」有联合治疗与常规治疗两个水平。治疗后评分最小 42.310、最大 87.640，需要核对这两个数是否落在量表的合理范围内。恰好两组时，独立样本T检验与 F 检验结论一致，还多给标准化效应量。
功效：单因素方差(ANOVA)功效回答的是，手上这批样本能抓住多小的差异，用最小可检测效应 MDES（Cohen's f 的尺度）表示。该模块只让你调 α，目标效应量填不了，它给出的 80%、90% 功效所需总样本量，是从本批数据自己的 η² 倒推出来的，通常偏乐观；想粗略感受代价，可以记住目标效应量缩小一半、所需人数约翻 4 倍。
不显著时论文怎么写
句式是：F 检验不显著，F(df1, df2)=…，p=…，同时报告效应量与置信区间，并说明样本量，写成「现有样本不足以判断存在差异」，而不是「证明无差异」。η² 是样本效应量，存在正偏倚，ω² 是它的校正版本，样本较小时更接近总体效应。
统计不显著的常见误读
- 把不显著读成没有差异：它说明证据有限，要结合效应量与区间。
- 不显著就换检验，直到显著为止：这会抬高第一类错误率。换检验应该基于前提是否满足，而不是 p 值。
- 只报告 p 值，不报告效应量：读者无法判断差异的实际意义。样本量很大时，微小差异也可能显著，样本很小时，可观的差距也可能达不到显著。
延伸阅读
常见问题
- 方差分析结果不显著怎么处理？是不是说明组间没有差异？
- 不一定。不显著只说明现有数据不足以判断有差异，可能真的没有差异，也可能样本量不够。先查样本量与功效、效应量与区间、前提、分组与测量，再下结论。
- 方差分析不显著，还要看效应量吗？
- 要看。效应量和置信区间说明差异的实际大小与估计的精度。本站演示数据里 η² 为 0.235，95% 置信区间 [0.116, 0.351]，这是一个显著结果的读法，不显著时同样先看这两项。
- 只有两组，方差分析不显著怎么办？
- 两组时 F 检验与独立样本T检验结论一致（方差齐时 F=t²，方差不齐时 Welch F 与 Welch t 对应），T检验另外多给标准化效应量（Cohen's d 等）。怀疑样本不够，可用「单因素方差(ANOVA)功效」看当前样本能检测到多小的效应。