SPSS 多因素方差分析结果怎么看：主效应与交互效应

多因素方差分析结果怎么看？先读交互项，再把有交互的因素放回各组合条件中解释，同时报告主效应的平均含义与效应量。SPSS 是统计软件名称，本文在独立平台 SPSSAI 的演示报告上区分主效应、交互效应和后续简单效应，避免用一个总体结论覆盖所有条件。

多因素方差分析的数据组合先核对

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），从 150 行中随机抽取 120 行，随机种子为 111。因变量是治疗后评分，因素为治疗方案与康复强度；这是被试间的因素组合，不把同一对象的多次记录当作独立个体使用。 复现抽样时，以原演示表表头之后的首条记录为数据行起点，按原顺序移除第 4、10、11、12、16、18、21、23、25、29、30、32、37、40、42、43、45、51、52、61、67、68、76、83、101、105、111、136、138、148 行，保留其余行并另存为表格上传；这份行号清单是固定抽样的展开结果，工作台不会自动按本文种子抽样。

变量	角色	阅读报告时核对
治疗后评分	定量因变量	计量单位与评分方向
治疗方案	分类因素	水平标签及各组合样本数
康复强度	分类因素	是否与另一因素交叉组合

因素主效应描述跨另一个因素水平汇总的比较，交互效应描述这种比较是否随另一因素而不同。先列出所有单元格有助于发现空组合与极少观测的组合，空格会影响模型能否分辨某些参数，样本稀少则会使估计区间变宽。

在工作台复现多因素方差分析

1. 在数据分析中找到「多因素方差分析」，载入相应演示数据，使用本文所述的固定抽样子集；保留每行对象的独立性与原始分组标签。
2. 按变量角色把治疗后评分作为定量结果，把治疗方案与康复强度作为分类因素，核对所有组合是否都有观测；本次模型包含主效应及它们的交互项。
3. 点击开始分析，先检查前提检验和描述统计，再定位主结果的因素行与交互行；本例采用 III 类平方和，转录表格时应一并交代这一口径。

模型的残差诊断与数据组合核对回答不同问题：前者检查误差分布与方差结构，后者关注设计信息是否齐全。观测相互独立主要由抽样或实验安排保证，单凭一个残差检验的 p 值无法完成这项核对。

多因素方差分析结果怎么看：先读交互行

本例治疗方案的主效应为 F(1, 116)=7.287，p=0.008；康复强度主效应为 F(1, 116)=12.505，p<0.001。它们是当前含交互模型下的因素检验，若某些条件下方向或大小不同，单独引用主效应会掩盖这种条件性。

交互项 F(1, 116)=9.760，p=0.002，偏 η²=0.078。因此本次数据支持治疗方案的组间差异随康复强度而不同，后续应以具体条件下的比较澄清差异出现在哪里；没有随机分配信息时，结论保持为组间关联或差异。

剖面图把各因素组合的均值连成线，适合定位需要进一步说明的条件；统计显著性仍以模型的交互项检验为依据。两条线的形状也受抽样波动影响，视觉上像交叉或张开本身不足以完成正式检验。

均值柱形图显示各组合的水平与标准误，方便读者把主结果表连接回原测量尺度。标准误反映均值估计精度，组间误差线重叠程度与多因素模型中的条件比较并非同一检验，故图形宜作定位和描述。

简单效应如何接上主结果

简单效应是固定一个因素的某个水平后比较另一个因素，例如分别在不同康复强度下比较治疗方案。本篇固定场景只提供总体效应报告，没有生成相应的分层检验结果，因此下一步要先列出待回答的问题，再安排相应分析，故不填入未经运行的条件比较数字。

上图作为后续分析的预登记附件，安排在查看新增比较结果之前填写。完成分析后还需另存实际使用的模型、纳入对象和结果文件，若与预登记有偏离，应说明原因；本次任务单保留待办状态，并未声称已经完成条件检验。

论文里保留主效应与交互信息

结果段可以写：「对演示评分拟合包含治疗方案、康复强度及交互项的被试间方差分析，采用 III 类平方和。交互项达到统计学显著水平，提示治疗方案相关的评分差异随康复强度不同而异；条件差异的位置仍需进一步比较。」随后附上主结果表中的 F、自由度、p 与效应量，明确模型是描述本例数据而非证明干预机制。

报告卡可核对效应名称和各项自由度，避免把交互行的数字贴到主效应上。演示数据不用登录就能跑；用自己的数据分析、导出 Word / PDF 报告、使用 AI 解读需要开通会员，输出报告后仍应核对变量标签和表注。

多因素结果解读常见错误

• 交互显著后只写某个因素总体更高：应交代差异依条件而变，并将待估计的简单效应列清楚。
• 把偏 η²当成所有因素占比的分解：它使用各效应加误差的分母，跨效应相加没有总量分解含义。
• 将未显著与无法估计合并处理：前者是有效检验下证据不足，后者需检查空单元格、退化数据或模型设定。

延伸阅读

• 多因素方差分析