析因设计（析因设计方差剖析）
析因设计方差剖析概述
在医学研讨中，许多研讨因素之间往往是相互接洽的，相互制约的。当一个因素的质或量有转变时，其他因素的质和量也会随之转变。当几个因素间存在交互作用时，析因设计是一种非常幻想的设计。
析因设计（Factorial Design）是将两个或多个因素的各个程度进行全面组合、交叉分组地设计，对各种可能的组合都进行试验，从而探讨各试验因素的主效应（Main Effect）以及各因素间的交互效应（Interaction）。
主效应是指某因素各单独效应的平均效应，即某因素各程度之间的平均差异，单独效应是指其他因素程度固定时，同一因素不同程度之间的差别。交互效应是指某因素的单独效应随着另一因素的程度变更而百思特网变更，则称这两个因素存在交互作用。也就是说析因剖析不仅剖析单个因素不同程度效应之间的差别，还要知道两个因素各程度间效应的相互影响。
常见析因设计有:2x2析因设计、IxJ两因素析因设计、IxJxK三因素析因设计。
处置组数等于各因素程度之积，如两因素同时进行试验，每个因素取两个程度，试验总的组合数为22=4；若有3因素，每个因素取4个程度，试验总的组合数为444=64；下表有3个因素，各有2、2和3个因素，试验总的组合数为223=12。
析因设计剖析条件：由于方差剖析请求资料的方差齐性，残差（residual）屈服正态散布，故首先检验资料是否符合方差剖析的条件。如果资料不满足方差剖析的条件，可以先进行秩变换或其它的正态性变换（如Box-cox变换，对数变换，反正弦变换等），然后再做统计剖析。
SPSS实现随机区组设计方差剖析
示例：将20只家兔随机等分4组，每组5只，进行神经损伤后的缝合试验，欲比拟不同缝合办法及缝合后时光对轴突通过率的影响。处置由两个因素组合而成，A因素为缝合办法，两个程度，程度一为外膜缝合，为a1，程度二维束膜缝合，为a2；B因素为缝合后的时光，两个程度，程度一为缝合后1月，为b1，程度二维缝合后2月，为b2；试验成果为家兔神经缝合后的轴突通过率（%）。数据如下所示。
1.示例剖析：
本例研讨2个因素A-缝合办法和B-缝合后时光，分离两个程度，全面组合，共构成4个单元，即4组，是一个22析因设计
2. 数据录入：
在SPSS的“变量视图”中设置三个变量，a代表缝合办法，数值型，有二个程度取值（1-外模缝合和2-束膜缝合）；b代表缝合后时光，数值型（1-1个月，2-2个月）；x代表通过率，数值型。
3. 树立假设：树立检验假设，肯定检验水准
（1）因素A
H0： 不同缝合办法的通过率总体(原创版权www.isoyu.com)均数相等
H1： 不同缝合办法的通过率总体均数不相等
（2）因素B
H0： 不同缝合时光的通过率总体均数相等
H1： 不同缝合时光的通过率总体均数不相等
（2）交互作用A与B
因素A与B无交互作用
因素A与B有交互作用
= 0.05，即置信区间为95%
4. 析因设计方差剖析扼要
（1） 打开剖析—一般线性模型—单变量
（2） 参数选择
单变量主对话设置：如图A将x放入因变量，a和b放入固定因子。
模型参数设置：点击“模型”，图B，因为本例为析因设计，因此须要剖析交互作用，因此选择默认的“全因子”，点击“持续”返回。
图：a为程度轴，b为分组
EM平均值：选择a、b及a*b交互作用
选项：显示勾选"描写统计”和“方差齐百思特网性”，点击“持续”
5. 数据成果与解释
（1） 输出样本量及相应均值
（2）方差齐性检验：可见levene齐性检验F =1.219，P =0.335>0.05，各组方差齐，可以进行后续方差剖析。
（3） 主体效应间比拟：
缝合办法F=0.600，P=0.450，依照=0.05检验水准，不谢绝H0，差别无统计学意义，尚不能以为两种缝合方法间轴突通过率不同（A因素主效应≠0）；
缝合后时光F=0.8607，P=0.012，依照=0.05检验水准，谢绝H0，接收H1，差别有统计学意义，可以以为不同时光轴突通过率不同（B因素主效应≠0）；
缝合办法与缝合后时光交互F=0.067，P=0.800，依照=0.05检验水准，不谢绝H0，差别无统计学意义，尚不能以为缝合方法与时光存在交互作用（AB因素交互作用≠0）。
（4） 下图显示边际轮廓图，成果得到几乎相平行的直线，表现该研讨两因素交互作用小。反之，若得到两条相互不平行的直线，则解释两因素可能存在交互作用。
结论：不能以为两种缝合办法对通过率有影响，以及两个因素间存在交互作用。但可以为缝合后2个月与1个月相比，通过率进步了。
6. 语法
UNIANOVArateBYab/METHOD=SSTYPE(3)/INTERCEPT=INCLUDE/PLOT=PROFILE(a*b)TYPE=LINEERRORBAR=NOMEANREFERENCE=NOYAXIS=AUTO/EMMEANS=TABLES(a)/EMMEANS=TABLES(b)/EMMEANS=TABLES(a*b)/PRINT&nb百思特网sp;DESCRIPTIVEHOMOGENEITY/CRITERIA=ALPHA(.05)/DESIGN=aba*b.