教程 · 2026-06-17

双因素方差分析完整教程 — 交互效应 + 简单效应 + 交互作用图用 AI 一句话完成

双因素方差分析（Two-Way ANOVA）专项教程：两个自变量的主效应、交互效应判断与解读、简单效应分析、交互作用图绘制、偏 eta 方效应量，以及可直接套进论文的 APA 7th 主效应和交互效应报告句式。

两个分组因素同时作用于结果变量——不仅要看各自的主效应，还要搞清楚它们之间是否"联手发挥"。这篇教程专攻双因素 ANOVA 的核心难点：交互效应识别、简单效应分析、交互作用图解读，以及可直接粘贴进论文的 APA 报告句式。

你的数据有两个分组因素：痛点从这里开始

毕业论文、临床试验、心理学实验中，经常出现这样的研究设计：

研究"性别"和"干预方式"对焦虑水平的影响——两个因素同时在发挥作用
研究"药物剂量"（低/中/高）和"给药频率"（每天一次/每天两次）对治疗效果的影响
研究"教学方法"和"学生类型"（理科生/文科生）对学习成绩的联合影响

遇到这类双因素设计，很多人的第一反应是：分别做两次单因素 ANOVA，一次看性别，一次看干预方式。

这个做法的根本缺陷在于：它完全忽略了交互效应。

两个因素的"联合影响"可能远比各自的主效应更重要——例如"认知行为疗法对女性焦虑的改善幅度显著大于男性，但对照组无此差异"。这种效应只有双因素 ANOVA 才能捕捉。

双因素 ANOVA 的难点不是跑模型，而是：

交互效应显著时，主效应还要看吗？
简单效应分析是什么，什么时候必须做？
交互作用图怎么画、怎么读？
APA 格式怎么同时报告主效应和交互效应？

这篇教程从头到尾回答这四个问题，并给出在 chatsrs.com 上用一句话完成全套分析的实操示例。

双因素 ANOVA 的核心概念

在进入案例之前，先把三个概念说清楚。

主效应（Main Effect）

指在不考虑另一个因素的情况下，某个因素本身对因变量的影响。

因素 A（如性别）的主效应：男女两组的因变量均值是否有整体差异？
因素 B（如干预方式）的主效应：不同干预方式之间因变量均值是否有整体差异？

交互效应（Interaction Effect）

指A 因素的效应随 B 因素水平的不同而变化，或者说 B 因素对因变量的影响受 A 因素水平的调节。

交互效应显著，意味着"两个因素不是简单叠加，而是互相影响彼此的作用方式"。

用图形来说：如果交互作用图中两条折线不平行，交互效应就有可能显著。

简单效应（Simple Effect）

当交互效应显著时，单独报告主效应会产生误导。此时需要分析在某个因素的每个水平下，另一个因素对因变量的影响，这就是简单效应分析。

例如：分别分析"男性中不同干预方式的效果差异"和"女性中不同干预方式的效果差异"。

分析层次	什么时候做	目的
主效应	所有情况均报告	评估各因素的整体影响
交互效应	所有情况均报告	判断两因素是否相互调节
简单效应	交互效应显著时必须做	解释交互模式的实质

案例数据：2 x 3 设计的学业压力研究

研究背景

某教育心理学研究团队调查"性别"（男/女）和"年级"（大一/大二/大三）对大学生学业压力量表得分（0-100，分越高压力越大）的影响。共纳入 180 名学生，每个单元格（性别 x 年级组合）各 30 人。

数据结构

被试 ID    性别      年级     压力得分
001        男        大一       52
002        女        大一       61
003        男        大二       58
004        女        大二       63
...（共 180 行）

这是标准的 2（性别）x 3（年级）独立样本双因素 ANOVA 设计：

因素 A：性别（2 个水平：男、女）
因素 B：年级（3 个水平：大一、大二、大三）
因变量：学业压力得分（连续型）
每个细胞独立样本（各被试只属于一个组合）

本案例为学术/心理学场景，与博客 10（ANOVA 全套教程）中性别 x 教学方法的教育成绩案例使用了不同的研究背景和数据，避免重复。

用 AI 一句话完成双因素 ANOVA

打开 chatsrs.com，上传包含"性别、年级、压力得分"三列的数据文件，然后输入：

"对 180 名大学生的学业压力得分做 2（性别：男/女）x 3（年级：大一/大二/大三）双因素独立样本方差分析：

各单元格描述统计（M、SD、95% CI）

Levene 方差齐性检验

双因素 ANOVA 表：两个主效应 + 交互效应 F 检验 + 偏 eta 方

若交互效应显著，分别做每个性别内年级的简单效应分析，以及每个年级内性别的简单效应分析

输出交互作用图（X 轴年级，Y 轴压力均值，两条折线代表男女）

写 APA 7th 标准文字报告"

ChatSRS 会自动完成主效应检验、交互效应诊断、简单效应分析和可视化全流程，无需多次切换操作。

输出结果怎么读

第一块：各单元格描述统计

表 1  学业压力得分各组描述统计（N = 180）

          大一（n=30）         大二（n=30）         大三（n=30）
          M      SD    95%CI   M      SD    95%CI   M      SD    95%CI
男        52.4   7.8   [49.5, 55.3]  58.1   8.2   [55.1, 61.1]  67.3   9.1   [63.9, 70.7]
女        61.2   8.1   [58.2, 64.2]  63.5   7.9   [60.6, 66.4]  69.8   8.5   [66.6, 73.0]

注：M = 均值，SD = 标准差，95%CI = 均值 95% 置信区间

怎么看：从描述统计可以初步判断：女生各年级压力均值普遍高于男生，但差距随年级升高似乎在缩小（大一差距约 8.8 分，大三差距仅约 2.5 分）。这种"差距随水平变化"的模式，正是交互效应的直观信号。

第二块：Levene 方差齐性检验

Levene 方差齐性检验：F(5, 174) = 1.24, p = .293
-> 方差齐性假设满足，可继续使用标准双因素 ANOVA

怎么看：Levene 检验的 p 值大于 .05，说明 6 个单元格的方差无显著差异，满足 ANOVA 的方差齐性前提。若 p < .05，需考虑对数据做变换或改用稳健方法。

第三块：双因素 ANOVA 主表

这是分析结果的核心，包含三行关键内容。

表 2  双因素方差分析结果（性别 x 年级，因变量：学业压力得分）

来源              SS        df    MS        F         p            partial eta^2
性别              1285.6    1     1285.6    21.34     < .001 ***   .109
年级              2847.3    2     1423.7    23.62     < .001 ***   .213
性别 x 年级       694.8     2     347.4     5.77      .004 **      .062
误差              10484.3   174   60.3      —         —            —
合计              15312.0   179

注：partial eta^2 解读标准（Cohen）：小效应 .01，中效应 .06，大效应 .14
    *** p < .001；** p < .01

怎么读三行 F 检验：

来源	F 值	p 值	partial eta^2	解读
性别（主效应）	21.34	< .001	.109	女生压力整体高于男生，大效应
年级（主效应）	23.62	< .001	.213	年级越高压力越大，大效应
性别 x 年级（交互）	5.77	.004	.062	两因素存在显著交互，中效应

关键判断：交互效应 p = .004，显著。这意味着：年级对压力的影响程度因性别不同而不同；或者说，性别差异随年级变化而变化。此时必须进行简单效应分析，才能准确解释结果。

第四块：简单效应分析

交互效应显著后，需要从两个切面拆解交互模式。

切面一：每个性别内，年级效应是否显著？

表 3  年级的简单效应（分性别检验）

性别    F 值                p 值        partial eta^2   事后比较
男      F(2, 87) = 28.54   < .001 ***   .396            大三 > 大二 > 大一（全部显著）
女      F(2, 87) = 7.63    .001 **      .149            大三 > 大一（显著）；大二与大一、大三差异均不显著

简单效应解读：男生的压力随年级升高幅度更大、更规律（大效应）；女生压力在大二相对平稳，大三才显著高于大一（中效应）。

切面二：每个年级内，性别差异是否显著？

表 4  性别的简单效应（分年级检验）

年级    均值差（女-男）   t 值              p 值（Bonferroni 校正）   结论
大一    8.8              t(58) = 4.32      < .001 ***               女生显著高于男生
大二    5.4              t(58) = 2.61      .036 *                   女生略高于男生（显著）
大三    2.5              t(58) = 1.12      .534                     男女无显著差异

简单效应解读：性别差异在大一最显著（差距 8.8 分），随年级升高逐渐缩小，到大三消失——男生压力增幅更大，最终与女生趋于一致。

综合解读：交互效应的实质是"年级升高的压力增幅男生大于女生"——男生在大一到大三压力上升约 14.9 分，而女生约上升 8.6 分。到大三时两者汇聚。

第五块：交互作用图

交互作用图是呈现双因素交互效应最直观的方式，是投稿论文的标配。

[图位置：交互作用图]

Y 轴：学业压力均值（得分）
X 轴：年级（大一 / 大二 / 大三）
两条折线：男（实线）/ 女（虚线）

          大一    大二    大三
男        52.4    58.1    67.3
女        61.2    63.5    69.8

男生折线斜率更陡（大一到大三上升约 14.9 分）
女生折线斜率较平缓（上升约 8.6 分）
两线在大三处最为接近
-> 两线不平行，视觉上确认交互效应存在

怎么看交互作用图：

两线平行 -> 无交互效应，两因素独立叠加
两线不平行（相交或趋近） -> 有交互效应，需做简单效应分析
两线相交（交叉型交互） -> 交互效应最强，主效应结论甚至可能反转

本案例属于弱化型交互（两线趋近但不相交），意味着主效应的方向不变，但效应大小因水平而异。

论文里怎么报告（APA 7th）

这一节给出双因素 ANOVA 的规范 APA 报告句式，主效应和交互效应各有对应格式。

APA 报告要素清单

双因素 ANOVA 的方法/结果节须包含：

设计说明：A x B 独立样本/混合/被试内，各因素水平数
方差齐性检验：Levene F 值、df、p
主效应 F 检验：每个因素的 F(df1, df2)、p、partial eta^2
交互效应 F 检验：F(df1, df2)、p、partial eta^2
若交互显著：简单效应结果（分切面报告）
各单元格 M 和 SD
交互作用图（建议图注说明折线含义）

完整 APA 7th 报告示例

方法节写法（设计与前提检验）：

采用 2（性别：男/女）x 3（年级：大一/大二/大三）独立样本双因素方差分析考察两个因素对学业压力得分的独立及联合影响。Levene 方差齐性检验结果显示，各组方差无显著差异，F(5, 174) = 1.24, p = .293，满足方差齐性假设。

结果节写法（主效应部分）：

性别主效应显著，F(1, 174) = 21.34, p < .001, partial eta^2 = .11，女生学业压力整体高于男生（M_female = 64.83, SD = 8.17; M_male = 59.27, SD = 8.71）。年级主效应亦显著，F(2, 174) = 23.62, p < .001, partial eta^2 = .21，压力均值随年级升高而增大（M_大一 = 56.80, M_大二 = 60.80, M_大三 = 68.55）。

结果节写法（交互效应及简单效应）：

性别与年级的交互效应显著，F(2, 174) = 5.77, p = .004, partial eta^2 = .06（中效应）。对交互效应进行简单效应分析（Bonferroni 校正）：在男生群体中，年级主效应显著，F(2, 87) = 28.54, p < .001, partial eta^2 = .40，事后比较显示大三压力显著高于大二（均值差 = 9.2, p < .001），大二显著高于大一（均值差 = 5.7, p = .003）；在女生群体中，年级主效应亦显著，F(2, 87) = 7.63, p = .001, partial eta^2 = .15，但差异主要体现在大三（M = 69.8, SD = 8.5）与大一（M = 61.2, SD = 8.1）之间（均值差 = 8.6, p = .001），大二与大一差异不显著（p = .534）。上述结果表明，年级升高对学业压力的影响在男生中更为显著且具有递进规律，而在女生中压力增幅相对平缓，见图 1。

主效应句式模板

[因素 A] 主效应显著（不显著），F([df1], [df2]) = XX, p [值],
partial eta^2 = XX，为[小/中/大]效应（Cohen, 1988）。
[若显著：][因素 A 水平高] 的[因变量]均值显著[高于/低于]
[因素 A 水平低]（M = XX, SD = XX vs M = XX, SD = XX）。

交互效应句式模板

[因素 A] 与 [因素 B] 的交互效应[显著/不显著]，
F([df1], [df2]) = XX, p [值], partial eta^2 = XX。
[若显著：]对交互效应进行简单效应分析（[校正方法]校正）：
在 [因素 A = 水平 i] 中，[因素 B] 对 [因变量] 的效应[显著/不显著]，
F([df1], [df2]) = XX, p [值], partial eta^2 = XX，
[具体哪组高于哪组的事后比较结果]。

APA 7th 格式细节提醒：

partial eta^2 保留两位小数，写 .11 而非 0.11
p < .001 时写 p < .001，不写 p = .000
F 统计量括号内依次为处理自由度和误差自由度：F(2, 174)
交互效应显著时，在正文中引用交互作用图，并在图注说明折线含义
"偏 eta 方"在英文中写作 partial eta^2 或用符号 eta_p^2，不要与普通 eta^2 混淆

常见问题 FAQ

Q：交互效应显著时，主效应还需要报告吗？

A：需要报告，但解读要谨慎。交互效应显著意味着主效应的大小和方向因另一个因素的水平不同而有差异。此时主效应是"边际效应"（对另一因素取平均后的整体效果），而真正重要的信息在简单效应层面。APA 规范要求同时报告主效应和交互效应，并明确说明"由于存在显著交互效应，主效应的解释需结合简单效应分析"。

Q：交互效应不显著，怎么继续分析？

A：交互效应不显著说明两因素独立起作用，可以直接解读各自的主效应。此时无需做简单效应分析。若主效应的某个因素有 3 个及以上水平且显著，则对该因素做事后多重比较（如 Tukey HSD），流程与单因素 ANOVA 完全相同。在 ChatSRS 中指令写"交互效应不显著，直接报告主效应并做 Tukey 事后比较"即可。

Q：简单效应分析具体怎么操作？ChatSRS 能直接做吗？

A：简单效应分析的原理是：把数据按某一因素的每个水平拆分为子集，然后在每个子集内分别做单因素 ANOVA（或 t 检验），并对多重检验做 Bonferroni 校正。在 ChatSRS 中，只需在主指令里写明"若交互效应显著，分别做每个性别内年级的简单效应，以及每个年级内性别的简单效应，用 Bonferroni 校正"，系统会自动完成整套流程并输出拆分后的子检验结果。不需要手动分组或多次运行。

Q：双因素 ANOVA 和重复测量 ANOVA 有什么区别？什么时候用哪个？

A：核心区别在于被试结构：

双因素 ANOVA（本文）：每个被试只属于一个因素组合（独立样本），两个自变量都是组间因素
重复测量 ANOVA：同一批被试在多个时间点或多个条件下反复测量（被试内因素），需额外满足球形假设

如果你的设计中有一个组间因素（如药物 vs 安慰剂）和一个被试内因素（如多个时间点），则需要用混合 ANOVA（Mixed ANOVA）。更多关于重复测量的细节见重复测量方差分析完整教程。

Q：样本量不平衡（各单元格人数不等）怎么办？

A：样本量不平衡时，平方和的计算需要使用 III 型平方和（Type III SS），而非默认的 I 型（Type I SS，取决于因素输入顺序）。SPSS 和 R 的默认设置不同，需注意。ChatSRS 使用 III 型平方和，在样本量不平衡时仍可得到正确结果。在指令中可以不特别说明，系统会自动选择合适的方法。

Q：双因素 ANOVA 需要满足哪些前提？不满足怎么办？

A：主要前提有三条：

独立性：各观测相互独立（被试不在多组中出现），由设计保证
正态性：各单元格的因变量近似正态分布；大样本（每格 n > 30）时中心极限定理保证稳健性
方差齐性：所有单元格方差相等（Levene 检验）；若不满足，可考虑对因变量做对数变换，或改用稳健 ANOVA

不满足时可在 ChatSRS 指令中说明，系统会自动提供替代方案或诊断建议。

小结

双因素 ANOVA 的分析流程可以用四步来概括：

看前提：Levene 方差齐性检验，决定能否用标准 ANOVA
看三行 F：两个主效应 + 一个交互效应，先看交互
交互显著则拆：做简单效应分析，分别看每个水平切面内另一因素的效应
画图 + 写报告：交互作用图配合 APA 句式，完整呈现分析结论

在 chatsrs.com 用一句自然语言指令，即可获得：

各单元格描述统计 + Levene 检验
双因素 ANOVA 表（主效应 + 交互效应 + partial eta^2）
交互显著时的简单效应自动分析（Bonferroni 校正）
交互作用图（折线图，清晰呈现两因素联合效应）
可直接粘贴进论文的 APA 7th 格式报告文字