多因素方差分析适用于兩個以上自變量（離散變量）對一個因變量（連續變量）的影響。

主要包括主效應分析、交互作用分析、單獨效應分析。

主效應：單個自變量對因變量的影響（不考慮其他自變量）。

交互作用：一個自變量對因變量的影響在另一個或多個自變量不同水平上的表現不同。具體表現為線圖交互。

單獨效應：固定一自變量水平時，另一自變量對因變量的影響。

以最簡單的雙因素方差分析為例：

不同劑量運動對靜坐少動中年女性血脂的影響

低水平的心肺耐力相對于其他風險因素會造成更多的死亡率。與規律運動的人群相比，缺乏規律運動的人群在發生慢性疾病方面概率更高；因此，缺乏身體活動将成為21世紀最嚴重的公共健康問題。分析不同運動量對血脂的影響，不僅有助于更好地加強對中年女性的科學指導，促進中年女性群體積極參與全民健身；也有利于運動處方的制定更加科學合理。

1對象與方法

1.1實驗對象

招募40～49歲年齡範圍内的靜坐少動中年女性人群，要求招募對象為工作、生活規律，未參加每周至少3d、每天不少于30min的中等強度身體活動，且持續3個月以上的中年女性。篩選出符合要求的靜坐少動中年女性受試者240人，所有受試者均已簽署知情同意書。

1.2實驗分組

将實驗對象随機分成4組，每組60人。即30min中強度組（40%～55%HHＲ）、30min大強度組（60%～80%HHＲ）、60min中強度組（40%～55%HHＲ）、60min大強度組（60%～80%HHＲ）。

1.3實驗測試

實驗前後分别測試受試者的血脂（TC、TG、HDL-C、LDL-C）。

部分數據：

圖1

1.4統計分析

以運動時間（30min和60min）、運動強度（中強度、大強度）為自變量，血脂指标為因變量進行雙因素方差分析。顯著性水平取0.05。

2 SPSS步驟：

1）分析-一般線性模型-單變量

圖2

2）"運動時間"、"運動強度"為"固定因子"，"低密度脂蛋白"為"因變量"。（先以低密度脂蛋白為例）

點擊"選項"。

圖3

3）勾選"描述統計"，點擊"繼續"。

"齊性檢驗"和"效應量估算"也是常用的功能，這裡不再介紹。

圖4

4）圖3中點擊"圖"，"運動時間"和"運動強度"分别選入"水平軸"和"單獨的線條"。（此處用于做交互圖）

點擊"添加"、"繼續"。

圖5

5）回到"圖3"對話框，點擊"确定"。呈現統計結果。

3結果

1）圖6是均值、标準差情況。

圖6

2）圖7是雙因素方差分析表。分别給出了運動時間、運動強度的主效應，和運動時間與運動強度的交互作用。

判斷标準："顯著性"也就是P＞0.05時，不具有統計學意義；P≤0.05時，具有統計學意義。

3）首先看"交互作用"。一般情況下，"交互作用"沒有統計學意義時再看主效應；交互作用有統計學意義時參考主效應。

圖7

4）運動時間與運動強度的交互作用P=0.044＜0.05，交互作用具有統計學意義。結合下面的輪廓圖（交互圖）會發現，兩條直線發生了明顯的交叉。

因此，交互作用的具體表現為：每天鍛煉30分鐘時，大強度的低密度脂蛋低于中等強度；每天鍛煉60分鐘時，大強度的低密度脂蛋高于中等強度。

圖8

5）根據方差分析表（圖7）和交互圖（圖8）可以概括初步結果：

每天進行60分鐘中等強度或30分鐘大強度運動能夠很好的降低低密度脂蛋白。

注：低密度脂蛋白為"低優指标"（值越小越好）。

4 小結

上面的結果并沒有參考主效應。原因是此時主效應無論是否存在統計學意義，都對主要結果幾乎沒有參考價值。原因：即便是運動時間的主效應具有統計學意義，也不能說每天鍛煉60分鐘比每天鍛煉30分鐘好（因為，根據交互圖，大強度時30分鐘比60分鐘好，中等強度時30分鐘比60分鐘差。兩者相反）。

也有特殊情況，交互作用具有統計學意義時需要參考主效應。比如下面的交互圖：

讀者可以自行分析。

5.單獨效應分析

單獨效應是固定一自變量水平時，另一自變量對因變量的影響。

SPSS中可以通過運行程序實現，下面的程序是在上面分析的基礎上增高的。大家可以自行嘗試：

/EMMEANS=TABLES(運動時間*運動強度) compare(運動時間)ADJ(LSD)

/EMMEANS=TABLES(運動時間*運動強度) compare(運動強度)ADJ(LSD)

關注頭條号：科研與統計，了解更多相關知識、信息。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!