【什么是F检验？】
简单理解，t检验是两组均值比较的假设检验，P<0.05则表示两组均值存在显著差异。而F检验（一般更常称为方差分析analysis of variance）就是多组均值是否相同的假设检验，P<0.05，则表示多组间均值存在显著差异。
可应用方差分析数据的前提条件
① 样本数据服从正态分布
② 样本数据满足方差齐性要求
③ 样本数据集中观测间是独立的
大致步骤：确定数据类型->正态性检验->方差齐性检验->事后多重比较->分析
【解决的问题】
输入：床垫工况，压力均值
输出：同一因素不同分组（如不同的床垫工况）对变量（压力均值）产生/不产生显著性影响。
本例：分析床垫工况是否给压力均值带来显著性影响。
步骤：
1）初始数据整理，可以直接在SPSS中创建数据集，也可以先写在excel表格里面再导入。
为了更方便地说明，我采用表格的形式。导入的表格为：T10正常体型人群压力均值-仰卧-try.xlsx
2）选择分析-比较平均值-单因素ANOVA检验，因变量列表选择压力均值，因子选择工况。选项勾选描述和方差齐性检验。
3）点击选项，勾选描述和方差齐性检验
4）点击事后比较，勾选 LSD
5）点击确定，开始计算
6）进行正态性检验，本例采用S-W检验的结果。
SPSS中检验数据是否呈“正态分布”主要通过Kolmogorov-Smirnova（K-S检验）和Shapiro-Wilk（S-W检验），当数据量50时，倾向以S-W检验结果为准；当数据量>50时，倾向以K-S检验结果为准；当数据量>5000时，SPSS则只会显示K-S检验结果。
1.切换到我们的数据集，分析-描述统计-探索
2.将压力均值添加到因变量列表
3.点开图，勾选含检验的正态图
4.点击继续，开始计算
结果分析：
（1）方差齐性检验
Levene's检验的零假设为：不同组间的方差相同（不同组间方差差值为0）. Levene's检验先将原始观测值转为相应的离差值，通过对离差值做单因素方差分析，比较不同组的离差值的平均水平是否一致来实现对方差齐性的考察。离差值即为原始观测值和该观测值所在组的均值或中位数之间的绝对差值（离差值还可以采用其他计算方式，比如离均差平方等）。 如果Levene's检验P≤0.05，则表示方差在组间的差异有统计学意义，方差齐性的假设不能成立；如果Levene's检验P＞0.05，则表示方差在组件的差异没有统计学意义，方差齐性的假设可以成立（tenable）。
本例中，显著性大于0.05，认为方差齐性，可进行下一步分析
（2）正态性检验
因为我们的样本量不足50，看的是夏皮洛-威尔克检验的结果。显著性为0.333，拒绝原假设，满足正态分布，可以进行下一步分析。
（3）方差分析结果
显著性为0.385大于0.05，拒绝原假设，说明统计结果差异性不显著。
（4）事后多重比较结果
使用事后检验的前提是方差分析呈现要出显著性。如果方差分析显示P值大于0.05即说明各个组别之间没有差异性，此时也不需要进行事后检验，即使事后检验显示有差异性。
标签：显著性,为例,均值,检验,SPSS,差值,仰卧,方差齐性 From： https://www.cnblogs.com/zhimingyiji/p/16913235.html