spss单因素方差分析结果解读是什么？
如果你要做单因素方差分析，请你先好好认识一下单因素方差分析的方法和原理（统计类书刊有写），然后再进行相关操作。
单因素方差分析的适用条件：
（1）每个总体均服从正态分布。
（2）每个总体的方差σ2相同。
（3）从每个总体中抽取的样本相互独立。
相关内容：
方差分析，对多个（两个以上）处理平均数进行假设检验的方法，而单因素是指该实验中只有一个实验因素。单因素方差分析是用来判断这一实验因素对各处理的优劣情况。
简单而言，如果实验，只有一种影响因素，而又有多个不同的处理水平，最后得到的数据就可以用单因素方差分析来分析数据。F值是用于判断显著性的。
例如结果显示F值为20.571，将这一数值与显著性水平的F进行比较，若大于显著性的F值，那么P则小于该显著性的概率，F>F（0.05），那么P<0.05，说明处理间差异显著。
spss单因素方差分析结果解读是什么？
单因素方差分类变量和连续变量可以使用独立样本t检验或者单因素方差分析进行研究，如果分类变量有两组以上，使用单因素方差分析更合适。举例进行说明。
SPSSAU结果如下：
从上表可知，利用方差分析(全称为单因素方差分析)去研究fodder对于weight共1项的差异性，从上表可以看出：不同fodder样本对于weight全部均呈现出显著性(p<0.05)，意味着不同fodder样本对于weight均有着差异性。
方差不齐怎么办？
方差不齐时可使用‘非参数检验’，同时还可使用welch 方差，或者Brown-Forsythe方差，非参数检验是避开方差齐问题；而welch方差或Brown-Forsythe方差是直面方差齐，即使在方差不齐时也保证结果比较稳健，welch方差和Brown-Forsythe方差仅在计算公式上不一致，目的均是让方差不齐时结果也稳健，选择其中一种即可。
