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
数据准备
结果可视化
方法1：interaction.plot()函数来展示双因素方差分析的交互效应。
图形解读：无论哪个品种，v1值均是N2显著高于N1，品种来看，a品种显著高于b品种。
方法2：gplots包中的plotmeans()函数来展示交互效应。
图形解读：每个样点都显示了置信区间，对应横坐标上方显示了样本量。本例中，同一品种下，均是N2显著高于N1
方法3：HH包中的interaction2wt()函数来可视化结果。
图形解读：两个箱图（左下角和右上角）是主效应图，左下角图，单就nitrogen看，N2显著高于N1；右上角图，单就variety看，a品种显著高于b品种；两个线图（左上角和右下角）为交互效应图，左上图，nitrogen应用在不同variety下的影响，即不同品种下，都是N2显著高于N1，同时a品种显著高于b品种；右下图，不同品种在不同nitrogen下的影响，即不同nitrogen下，都是a品种显著高于b品种，同时N2显著高于N1。
参考资料：
对实验数据检验方差相等的正态分布总体均值是否相等。判断各因素对试验指标影响是否显著。根据影响实验指标条件的个数可以区分为：单因素方差分析，双因素方差分析，多因素方差分析boxplot（目标变量~变量，data=数据框）
箱子中的黑线是中值，箱体是下边缘为1/4分位数，上边缘为3/4分位数。上下两侧为最小值和最大值。
第一列为均值差异，第二列为置信区间，最后为P值（校正后）
上方存在相同字母的组间差异不显著
