Analyze---general linear model---univarite 打开一个对话框
将两因素选入自变量框（fixed factors)
将因变量选入因变量框(dependent variebles)
点OK 就可以了
@[toc]
假设检验的前提是要满足正态分布和方差齐性
组内平方和SSE：同一组内的数据误差平方和
组间平方和SSA：不同组之间的数据误差平方和
一个分类型自变量
例如四个班级学生的语文成绩，班级是分类型自变量，四个班级是自变量的四个水平
测试班级对成绩的影响
因为p<0.001，说明班级对成绩的影响非常显著
图中跨越0分界线的班级对，有较大可能落在0上，也就是说两个班级之间没有明显差异。其他班级说明都有明显差异。
同一班级在大学三年的三次测试
p<0.001，说明学生成绩在大学三年中有显著差异。球形检验的p-value大于0.05，所以可以认为方差相等。
Mauchly's Test for Sphericity ：适用于重复测量时检验不同测量之间的差值的方差是否相等，用于三次以及三次之上。
Sphericity Corrections ：球形矫正，当方差不相等时进行矫正，矫正方法有the Greenhouse-Geisser (1959), the Huynh-Feldt (1976), 简称GG和HF。
两个分类型自变量
例如探究 词汇量 和 话题熟悉度 对学生作文成绩的影响
词汇量和话题熟悉度两个变量对成绩的影响都很显著，交互项对成绩影响不显著。
探究班级和测试次数对学生成绩的影响
班级和测试次数在原始检验中都很显著，然后交叉项不显著。
但是在球形检验中，推翻了方差齐性的假设，所以tests需要使用球形矫正之后的p值，classes不用。
矫正之前tests的p-value = 3.482406e-04，矫正之后的p-value = 0.001左右。
![[码尚教育]Python全栈自动化VIP课程对标大厂标准测开涨薪M211期M212期怎么样 值得？](/aiimages/%5B%E7%A0%81%E5%B0%9A%E6%95%99%E8%82%B2%5DPython%E5%85%A8%E6%A0%88%E8%87%AA%E5%8A%A8%E5%8C%96VIP%E8%AF%BE%E7%A8%8B%E5%AF%B9%E6%A0%87%E5%A4%A7%E5%8E%82%E6%A0%87%E5%87%86%E6%B5%8B%E5%BC%80%E6%B6%A8%E8%96%AAM211%E6%9C%9FM212%E6%9C%9F%E6%80%8E%E4%B9%88%E6%A0%B7+%E5%80%BC%E5%BE%97%EF%BC%9F.png)
