1、打开软件，输入数据

2、选中数据，点击上方“Statistics”选项卡，找到“ANOVA”，在右侧选中“One-Way ANOVA”

3、弹出单因素分析对话框，“Manual”表示计算模式为手动，“indexed”表示输入数据因素依据为索引，Fatcor表示因素，Date表示数据。Significance Leve设置显著性水平，当p值小于0.05时，我们就认为结果具有“统计学显著性”

4、由于我们数据未设置索引，将其调整为“Raw”。系统根据列设置因素，得到图示结果。

5、“Means Comparison”选项卡下选择事后比较方法。常用方法的介绍如下：

• Significance Level (显著性水平)：通常保持默认的0.05。这是判断“差异是否显著”的阈值。

• Tukey：最常用、最推荐的方法之一。它严格控制在所有两两比较中犯“假阳性”错误的整体概率，尤其适用于样本量相等的各组间比较。

• Bonferroni：另一种非常常用的方法，比Tukey法更保守、更严格。它通过调整显著性水平来控制错误率，在比较次数不多时效果很好。

这里我们选择“Tukey"

6、“Tests for Equal Variance”选项卡为方差齐性检验，用于检验“方差齐性”假设（即各组数据的离散程度/方差是否相同）。

• Levene (莱文检验)：最常用、最稳健的方法。它对数据是否服从正态分布不敏感，适用性广。解读：如果其P值 > 0.05，则接受原假设，认为各组方差齐。

• Levene (^2) (基于中位数的莱文检验)：Levene检验的一个变体，使用中位数而非均值进行计算，对异常值（极端值）的稳健性更强。

• Brown-Forsythe (布朗-福赛思检验)：另一个稳健的检验，在数据非正态时表现良好，与基于中位数的Levene检验类似。

这里选择”Levene (莱文检验)“

7、“Power Analysis”选项卡主要提供两个功能“事后评估”和“事前预估”。

• 事后评估： 基于我已经得到的这个显著结果，我这个实验设计的效力到底有多强？有多大概率能发现真实存在的差异？（对应“Actual Power”）

• 事前预估： 如果我想在未来的实验中检测出类似大小的效应，我需要多少样本量才能有足够的把握？（对应“Hypothetical Power/Sample Size”）

• 这里选择“Actual Power”

8、“Output”选项卡控制输出内容、输出位置等，按需选择。正常情况，默认即可。

9、“Plots”选项卡控制生成哪些可视化图表，按需选择即可。

10、设置完毕后点击OK，弹出对话框选择“Yes”，点击"ok"即可。

11、系统自动跳转如下页面，显著性分析报告即生成。各参数解释如下：