使用说明

1. 分析类型选择

• 单因素方差分析： 比较3个及以上独立组的均值差异（如不同剂量组）。勾选 Welch 选项可在方差不齐时使用
• 双因素方差分析： 同时分析两个因素的主效应及交互效应（如剂量×性别）
• 重复测量方差分析： 分析同一组被试在多个时间点/条件下的均值变化（如治疗前、治疗后1周、2周、4周）

2. 事后多重比较

• Tukey HSD： 经典 ANOVA 事后检验，控制整体 I 类错误率，适用于组数较少、样本量均衡的情况
• Bonferroni： Welch/RM 事后检验，保守但通用，适用于任意两两比较。Welch ANOVA 事后比较采用非池化标准差的 Bonferroni 校正 t 检验
• 简单效应分析： 双因素交互显著时，分别在每个因素水平下检验另一因素的效应

3. 效应量

效应量衡量差异的实际大小，不受样本量影响：

• η²（eta-squared）：单因素 ANOVA，阈值 0.01（小）/ 0.06（中）/ 0.14（大）
• ω²（omega-squared）：单因素 ANOVA 偏倚校正版，通常比 η² 略小。Welch ANOVA 不提供 ω²（无共同组内方差）
• 偏 η²（partial eta-squared）：双因素 / 重复测量 ANOVA，阈值参考 η² 惯例，实际解释需结合领域。偏 η² 在重复测量中受相关性影响，解释宜保守

4. 前提假设

• 正态性：各组残差近似正态分布（大样本时 CLT 保证，小样本建议先检验）
• 方差齐性：Levene 检验 p > α 表示方差齐。不齐时改用 Welch ANOVA
• 球形假设（重复测量）：Mauchly 检验 p > α 表示满足。不满足时使用 Greenhouse-Geisser 或 Huynh-Feldt 校正。本示例含 50 被试，Mauchly 球形检验具有稳定功效

注：Welch ANOVA 不要求方差齐性，但事后比较使用 Bonferroni（非池化 SD）。重复测量 ANOVA 事后比较使用配对 t 检验 + Bonferroni 校正。

5. 正态性提示

ANOVA 假设残差正态分布。如未进行正态性检验，建议先使用 NormalityTest 进行检验。

6. 结果导出

点击左侧按钮导出结果表（Excel）或图表（PNG）。

---

如有问题或建议，请联系管理员。