| 文件名 | one-way_anova.xlsx |
|---|---|
| 样本量 | 300 行（4 组 × 75） |
| 变量数 | 4 列（1 分组 + 3 因变量） |
| 数据用途 | 教育研究：4 种教学方法对学习效果的差异比较 |
| 变量说明 | 教学方法（传统讲授 / 案例讨论 / 项目实战 / 混合式）；期末成绩 / 课程满意度 / 出勤率。 |
完整案例
1. 背景
某高校教学改革实验比较 4 种教学方法（传统讲授 / 案例讨论 / 项目实战 / 混合式）对学习效果的影响，每组 75 名学生。研究者希望同时回答三个层级的问题：①教学方法对期末成绩是否有显著差异（强效应预期）？②对课程满意度是否有显著差异（中等效应）？③对出勤率是否有差异（非显著对照）？显著后还要通过事后比较定位是哪几组之间有差异。这是单因素方差分析最典型的应用场景。
2. 理论与公式
单因素方差分析通过比较组间均方和组内均方，判断三组及以上均值是否存在总体差异。
衡量各组均值之间的差异。
衡量组内个体差异。
总体检验是否至少存在两组均值差异。
3. 数据结构
每行 1 位学生，包含 1 个分组变量（教学方法，4 个文字标签）+ 3 个定量因变量。各组样本量平衡（75 人/组）：
| 变量名 | 角色 | 取值 / 单位 |
|---|---|---|
| 教学方法 | 分组变量 X（4 类） | 传统讲授 / 案例讨论 / 项目实战 / 混合式 |
| 期末成绩 | 因变量 Y₁ | 分（0-100） |
| 课程满意度 | 因变量 Y₂ | 分（1-10） |
| 出勤率 | 因变量 Y₃ | 百分比（%） |
4. 操作步骤
- 登录 SPSSzero，进入 工作台 → 上传
one-way_anova.xlsx - 左侧方法栏 → 通用方法 → 点击 方差（单因素方差分析）
- 把 教学方法 拖入 分组变量 框
- 把 期末成绩 / 课程满意度 / 出勤率 3 个变量拖入 分析项 Y 框（可一次性多个）
- （默认）勾选 Bonferroni 事后比较，显著时自动两两比较
- 点击 开始分析
5. 结果表格与结果阅读
结果区按"总体检验 → 效应量 → 事后比较"顺序输出。下面展示 3 张紧凑三线表：
| 分析项 | 传统讲授 (M±SD) | 案例讨论 (M±SD) | 项目实战 (M±SD) | 混合式 (M±SD) | F | p |
|---|---|---|---|---|---|---|
| 期末成绩 | 71.20±6.71 | 75.65±6.51 | 84.91±6.52 | 81.90±7.23 | 62.522 | 0.000*** |
| 课程满意度 | 6.37±1.09 | 6.78±1.54 | 7.44±1.30 | 7.24±1.32 | 9.827 | 0.000*** |
| 出勤率 | 90.91±5.43 | 91.60±4.61 | 92.58±4.28 | 92.10±4.57 | 1.699 | 0.167 |
| 每组 n=75；* p<0.05 ** p<0.01 *** p<0.001 | ||||||
期末成绩 F=62.52 强显著；课程满意度 F=9.83 显著但效应较弱；出勤率 F=1.70 非显著（4 组均值 90-93% 之间，差距小）。
| 分析项 | 组间平方和 | 总离差 | 偏 η² | Cohen's f |
|---|---|---|---|---|
| 期末成绩 | 8546.211 | 22032.982 | 0.388 | 0.796 |
| 课程满意度 | 51.516 | 568.738 | 0.091 | 0.316 |
| 出勤率 | 114.559 | 6769.083 | 0.017 | 0.131 |
| 偏 η²：小 0.01 / 中 0.06 / 大 0.14；Cohen's f：小 0.10 / 中 0.25 / 大 0.40 | ||||
期末成绩偏 η²=0.388（大效应）；课程满意度 0.091（中等）；出勤率 0.017（弱，符合非显著结论）。
| 比较 | t | p（校正） | 差异方向 |
|---|---|---|---|
| 传统讲授 vs 案例讨论 | -4.123 | 0.000*** | 案例讨论>传统讲授 |
| 传统讲授 vs 项目实战 | -12.691 | 0.000*** | 项目实战>传统讲授 |
| 传统讲授 vs 混合式 | -9.388 | 0.000*** | 混合式>传统讲授 |
| 案例讨论 vs 项目实战 | -8.699 | 0.000*** | 项目实战>案例讨论 |
| 案例讨论 vs 混合式 | -5.555 | 0.000*** | 混合式>案例讨论 |
| 项目实战 vs 混合式 | 2.678 | 0.049* | 项目实战略>混合式 |
| * p<0.05 ** p<0.01 *** p<0.001（Bonferroni 校正后） | |||
所有 6 对组间差异均显著（p<0.05）。整体排序：项目实战 ≈ 混合式 > 案例讨论 > 传统讲授。
7. 文字分析
从总体 F 检验、效应量、事后比较三层证据综合分析：
- 期末成绩：F(3, 296)=62.52, p<0.001，偏 η²=0.388（大效应）；事后比较显示 6 对组间差异全部显著。项目实战（M=84.91）最高，传统讲授（M=71.20）最低，相差 13.71 分；
- 课程满意度：F=9.83, p<0.001，偏 η²=0.091（中等效应）；同样呈"项目实战/混合式 > 案例讨论 > 传统讲授"的趋势但绝对差距较小（均在 6-8 分区间内）；
- 出勤率：F=1.70, p=0.167，未呈现显著差异；4 组均值在 90.9-92.6% 之间，差距小于 2 个百分点，偏 η² 仅 0.017（弱效应），无需做事后比较。
结论：教学方法对学习产出（成绩、满意度）有显著影响，且影响呈现"项目实战/混合式 > 案例讨论 > 传统讲授"的一致趋势；但对学习行为（出勤率）无显著影响 —— 出勤主要受其他因素（如学校管理、个人因素）驱动。
8. 剖析提醒
总体显著只能说明至少两组不同，不能直接指出哪两组不同。
方法定位
方差分析用于比较三组及以上独立样本在定量变量均值上的差异。典型问题包括“不同学历群体的满意度是否不同”“不同地区的销售额均值是否不同”“三种处理方案的效果是否存在差异”。
方差分析先判断总体上是否存在组间差异。如果总体检验显著，还需要结合事后比较判断具体哪些组之间不同。
数据与变量准备
需要一个分组变量和一个或多个定量因变量。分组变量可以有三组及以上，因变量应为连续或近似连续变量。
| 变量角色 | 要求 | 示例 |
|---|---|---|
| 分组变量 教学方法 | 定类或定序，三组及以上 | 学历、地区、方案 |
| 因变量 Y | 定量变量 | 满意度、销售额、成绩 |
| 前置检查 | 正态性、方差齐性 | 影响检验口径 |
若只有两组，使用 t 检验即可；若有多个分组因素，应使用双因素或多因素方差分析。
SPSSzero 操作建议
在工作台选择方差分析，将分组变量放入 教学方法，将需要比较的定量变量放入 Y。参数中可根据需要选择事后比较方法、方差齐性检验和效应量。
方差齐性满足时，可优先参考 LSD、Bonferroni、Tukey 等事后比较；方差不齐时，可参考 Games-Howell 或 Welch 相关结果。
结果解读
| 输出内容 | 解读重点 |
|---|---|
| 描述统计 | 各组均值、标准差、样本量 |
| 方差齐性检验 | 判断是否适合传统 ANOVA |
| F 值和 p 值 | 判断总体均值差异是否显著 |
| 效应量 | 判断差异大小 |
| 事后比较 | 判断具体哪些组不同 |
若总体 p 值小于 0.05，说明至少有两组均值存在显著差异；具体差异需要看事后比较，不应只凭均值大小下结论。
写作模板
可写为：“采用单因素方差分析检验不同 xx 组在 yy 上的差异。结果显示，F 值为 xx，p 值为 xx，说明不同组之间存在或不存在显著差异。进一步事后比较发现，A 组显著高于 B 组，而与 C 组差异不显著。”
若方差不齐，可写为：“由于方差齐性检验显著，本文参考 Welch 方差分析和 Games-Howell 事后比较结果。”
常见问题
方差分析显著后一定要做事后比较吗
通常需要。总体显著只说明至少存在一组差异，不能告诉具体哪两组不同。
方差不齐怎么办
可参考 Welch 方差分析，事后比较使用 Games-Howell 等更稳健方法。
方差分析和 t 检验有什么关系
当分组只有两组时，单因素方差分析与独立样本 t 检验在显著性判断上通常等价；三组及以上应使用方差分析。
与相近方法区分
| 研究问题 | 推荐方法 |
|---|---|
| 两组均值比较 | t 检验 |
| 三组及以上均值比较 | 方差分析 |
| 同一样本多次测量 | 重复测量方差分析 |
| 分布严重偏态或等级数据 | 非参数检验 |