本文將會重點講解單因素方差分析方法的事后多重比較及其檢驗結果的解讀。我們使用的數據是4組初中生身高樣本數據，檢驗的是4組初中生身高樣本數據均值是否有差異。

圖1：示例數據

一、事后多重比較

如圖2所示，在事后多重比較中，包含了假定等方差與不假定等方差的情況。由于未進行方差齊性檢驗，需將兩種情況的檢驗方法都勾選上。那么該勾選哪些檢驗方法呢？

假定等方差的情況下，常用的是LSD法，也就是最小顯著性差異法，其檢驗敏銳度高，一些細微的差異都能檢驗出來。SNK檢驗與LSD檢驗相似，但檢驗結果更為保守，比較適用于兩兩比較。

而在不假定等方差情況下，常用的是塔姆黑尼法。

圖2：事后多重比較

二、檢驗結果解讀

完成以上設置后，運行檢驗。

如圖3所示，從描述數據看到，初中生組4的身高均值稍大于其他三組。

圖3：描述數據

接著，再看到ANOVA的檢驗結果，其組間的顯著性數值為0.003<0.05，說明檢驗結果顯著，拒絕原假設，也就是說不同初中生組的身高樣本均值有差異。

那么，身高均值的差異出現在哪些組別？我們需要進一步查看事后多重比較的結果。

圖4：組間差異顯著

由于多重分析結果包含了方差齊性與方差非齊性的結果，我們需要先查看方差齊性的檢驗結果。如圖5所示，可以看到方差齊性的結果顯著，拒絕原假設，也就是說身高數據不服從方差齊性的假設。

圖5：檢驗方差齊性

因此，在事后多重比較結果中，我們需查看方差非齊性的塔姆黑尼檢驗結果。如圖6所示，可以看到，初中生組4與其他三組的身高均值數據都有顯著性差異。

圖6：多重比較

從平均值圖也可以看到，初中組4的平均值明顯高于其他三組。

圖7：平均值圖

三、小結

綜上所述，IBM SPSS Statistics的單因素方差分析，不僅可用于檢驗總體數據組是否存在差異，還可以運用事后多重比較來檢驗不同數據組之間的差異，是一種先驗對比和事后檢驗相結合的檢驗方法。