双因素方差分析结果解读
双因素方差分析结果解读
单因素方差分析只是考虑了一个自变量（定类）与一个因变量（定量）之间的关系，但是在实际问题研究中可能研究两个或者几个因素与因变量之间的关系，例如，分析产品满意度与学历、品牌满意度等的关系。当方差分析中研究几个自变量和1个因变量之间的关系时，称为多因素方差分析。如果是两个自变量则为双因素方差分析。
有四个品牌的吸尘器在两个地区的不同门店销售，为分析吸尘器的品牌和销售地区对销售量的影响，搜集每个品牌在各地区的销售数据，销售经理根据搜集的数据想要进行分析品牌和地区对吸尘器的销售量是否有显著差异以及两个因素搭配是否对销售量产生新的影响，部分数据如下：
例子中涉及三个变量，一个是“地区”一个是“品牌”还有一个是“销售量”。其中“地区”和“品牌”是定类变量，“销售量”是定量变量，想要进行分析品牌和地区对吸尘器的销售量是否有显著差异，分析究竟是一个因素在起作用，还是两个因素都在起作用，还是两个因素都不起作用。这就是一个双因素方差分析问题。
假设数据已经满足双因素方差分析要求。
主效应
考虑某因素的主效应时，需要考虑除所有因素的效应，简单来说就是X对Y的影响。比如：双因素方差分析中，分别去判断“地区”和“品牌”对销售量的影响。
结果如下：
首先进行查看变量“地区”，发现自变量地区的F值为21.970，并且p值小于0.05所以说明主效应存在，然后对“品牌”进行分析，发现品牌的F值为130.145并且p值小于0.05所以说明主效应存在，具体差异可以进行事后多重比较进行分析。接下来研究“地区”和“品牌”搭配是否对销售量产生新的影响，进行查看交互效应。
交互效应
在双因素方差分析中，如果除了研究品牌和地区对销售量的影响还研究两个因素搭配是否对销售量产生新的影响，例如例子中的某个地区对某种品牌吸尘器有特殊偏好，则为双因素方差分析的交互作用分析，即交互效应。
从上表可以看出，分析项为“地区与品牌的交互项”因变量为“销售量”发现模型的F值为1.649,并且p值为0.218大于0.05，所以模型不显著，即说明没有交互效应。分析完毕。综上，存在主效应但不存在交互效应，接下来进一步分析。
如果进行双因素方差分析，一般是主效应显著后才会进一步查看事后多重比较，对于交互作用显著的模型才会更深一步研究简单效应分析。
简单效应
简单效应是指简单效应指X1在某个水平时，X2不同水平的比较；因为该模型只存在主效应所以进行事后多重比较不进行简单效应分析。如果存在交互效应，则可以进一步分析简单效应。
事后多重比较
因为主效应显著，并且“地区”和“品牌”两个主效应都显著，所以进行事后多重比较，进一步分析（此处利用LSD方法进行，因为该方法对差异最为敏感使用最为广泛，并且检验效能高，对比组别较少时使用，除此之外SPSSAU还提供其它方法，比如：Bonferroni校正等）。
“地区”事后多重比较：
比较不同地区的销量是否有显著性差异，上表可以看出t值为-4.687，p值远小于0.05所以地区1和地区2的销量有显著性差异并且地区1与地区2的均值差值为负数，说明地区2的均值更大，从侧面说明地区2的销量更好。
“品牌”事后多重比较：
比较不同品牌的销量是否有显著性差异，上表可以看出品牌1、品牌2、品牌3、品牌4两两之间比较，p值均远小于0.05所以不同品牌两两之间的销量均有显著性差异，并且从均值差值中可以看出品牌1的均值更大，从侧面说明品牌1的销量更好。
图为信息科技（深圳）有限公司
2021-01-25 广告
双因素方差分析结果解读内容如下：
无交互作用的方差分析，假定因素A AA和因素B BB的效应之间是相互独立的，不存在相互关系。
有交互作用的方差分，假定因素A AA和因素B BB的结合会产生出一种新的效应。
假定要考察两个因素A , B A,BA,B对某项指标的影响，因素A AA取s ss个水平A 1 , A 2 , … , A s A_{1}, A_{2}, \dots, A_{s}A 。
双因素方差分析（Two-way ANOVA）有两种类型：一个是无交互作用的双因素方差分析，另一个是有交互作用的双因素方差分析，它假定因素A和因素B的结合会产生出一种新的效应。
双因素方差分析（Double factor variance analysis) 有两种类型：一个是无交互作用的双因素方差分析，它假定因素A和因素B的效应之间是相互独立的，不存在相互关系；另一个是有交互作用的双因素方差分析，它假定因素A和因素B的结合会产生出一种新的效应。
例如，若假定不同地区的消费者对某种品牌有与其他地区消费者不同的特殊偏爱，这就是两个因素结合后产生的新效应，属于有交互作用的背景；否则，就是无交互作用的背景。这里介绍无交互作用的双因素方差分析 。
