单因素方差分析（one-wayANOVA）也称为F检验，是通过对数据变异的分析来推断两个或多个样本均数所代表的总体均数是否有差别的一种统计推断方法。简单的来说，就是用来检验同一个影响因素的不同水平对因量是否有影响的一种方法。我将用下面的例子进行SPSS单因素方差分析的演示：体重、周龄相近的15只小鼠，随机分为5组，每组3只，分别测量了注射某种药物0h、5h、2d、3d、5d后的体重。想看这种药物是不是对小鼠的体重有影响。
工具/原料
SPSS（版本23）
一组需要分析的数据
方法/步骤
1、组别重命名。SPSS中的分析识别不了字符串，所以将组别重命名。如图5.1。
2、数据导入。从Excel复制——粘贴到SPSS，可以在SPSS左下角的“变量视图”中更改变量的名称、类型、宽度、小数点位数等，如图5.2。
3、选择单因素方差分析并进行相关选项设置。点击“分析”-“比较平均值”-“单因素ANOVA检验”；在弹出的“单因素方差分析”窗口中，将“解剖时体重”选入到因变量列表中，将“重命名的组别”选入到因子中；点击右边的“事后比较”，在弹出的窗口中选择“LSD”“图基”“邓肯”等检验方法（具体方法根据试验需要选择），然后点击“继续”；点击右边的“选项”，在弹出的窗口中选择“描述性”和“方差同质性检验”等（根据需要进行选择），然后点击“继续”，返回到“单因素ANOVA分析”窗口中，点击“确定”。具体操作步骤如图5.3。
4、以下都是结果分析。在结果中，我们首先要看的就是方差齐性检验（见图猱蝰逾鸾5.4），在“方差齐性检验”表中菀蒯踔观我们可以看到P=0.079>0.05,说明方差是齐性的，可以使用单因素方差分析法，如果不齐，说明我们后面的结果没有意义，因为方差不齐不能使用单因素方差分析法。如图5.4，在“ANOVA”表格中我们可以看到，P=0.009＜0.05，说明这三个组间至少有两个组之间是存在显著性差异的，即药物注射后不同时间对小鼠的体重有影响。（注：这里我们并不能看出究竟有怎样的差异，还需要看下一个表格）。在事后检验的多重比较表格中（图5.5），1组和5组，2组和5组有显著差异，其余各组之间无显著差异。
5、结果表述。在作结论时，应确实描述方向性（麻质跹礼例如显著大于或显著小于）。sig值通常用P>0.05表示差异性不显著；扉钛笆哇0.01<P<0.05表示差异性显著；P<0.01表示差异性极显著。当只有两组作比较时，可以简单地用*表示显著，**表示极显著，没有表示不显著。当有多组作比较时，可以使用字母表示（具体的表示方法可以参考我的另一篇经验https://jingyan.baidu.com/article/4b52d7029b03c2bd5c774bda.html），含有相同字母的两组没有显著性差异。
