若F值接近于1，就没有理由拒绝H_0,；反之F值越大，拒绝H_0的理由越充分。若对应p值<0.05，则拒绝H_0，认为各样本总体均数不全相等，存在显著差异；否则无差异。
3、前提条件
上述变异分解、均方估计及F统计量都是基于正态分布理论，进行方差分析时同样要求资
料满足正态分布且方差相等的基本假设。故方差分析的前提条件有以下3个：
1、各样本组内观察值相互独立；
2、各样本服从正态分布；
3、各样本组内观察值总体方差相等，即方差齐性。
二、方差分析分类
方差分析从使用频率来讲可分为以下6类：单因素方差分析、双因素方差分析、多因素方差分析、事后多重比较、协方差分析、重复测量方差分析，接下来分别进行简单介绍。
1、单因素方差分析
用于分析一类定类数据与定量数据之间的差异性，且定类数据通常为多分类数据。比如分析不同班级（1班、2班、3班）学习成绩之间的差异，就可以使用单因素方差分析进行3个班级学习成绩均值的差异性分析（独立样本t检验只能进行2组数据之间均值差异的比较）。
SPSSAU位置：【通用方法】模块->【方差分析】
2、双因素方差分析
用于分析2类定类数据与定量数据之间的差异性，比如分析不同班级（1,2,3班）、不同性别（男女）学习成绩之间的差异，此时可使用双因素方差分析。当主效应存在，即方差分析结果显示存在显著差异时（p<0.05），要具体对比两两组别的差异（如1班和2班，2班和3班，1班和3班），需要进行事后多重比较。双因素方差还可以分析二阶交互效应。如班级*性别这个交互项是否存在显著差异，如果进行二阶效应且呈现出显著性，此时可进一步进行简单效应分析。后面在第3部分方差分析流程中会详细进行说明。
SPSSAU位置：【进阶方法】模块->【双因素方差】
3、多因素方差分析
三因素及以上统称为多因素方差分析，用于分析多类定类数据与定量数据之间的差异。如三因素方差分析，可同时进行二阶效应分析和三阶效应分析。当主效应存在时，可进行事后多重比较；当交互效应存在时，需要进行简单效应分析。后面第3部分将详细进行说明。
SPSSAU位置：【进阶方法】模块->【三/多因素方差】
