数据统计中的方差分析 这个使用一般线性模型统计，不过你还需要有一个因变量（比如学习成绩），如果有成绩数据，那么你的就是一个两因素3×6的问题了（努力程度3水平，动机6水平），那么你研究的问题就成为了：学习动机和努力对于学生学习成绩的影响，然后你也可以重点放在努力程度和学习动机交互作用上。一般线性模型的统计在我给你的教材第八章有介绍，可以参考。如果没成绩数据，只有两个变量没有因变量是很怪异的事情，从你的设计中可以看出，你是把努力和动机作为两个因变量，如果其中一个是因变量，那就不必要划分维度（即水平了）。而且研究学习动机强度对学生努力程度的影响也不合适吧。对于努力或者动机的研究通常用学习成绩作为因变量。不过如果确实只有这两组数据，那么就只能用描述统计，两者在人数上的相关性了；另一方面可以把努力程度作为一个控制变量，用One-Way ANOVA过程（不使用T检验是因为努力程度分为三个水平）分别分析动机的6个因子的得分在不同努力的学生中是否有差异，当然这样统计只需要满足这六个因子属于独立因素。One-Way ANOVA过程在教程中也用，跟着做就行，不过统计背后的原理我就说不清了，自己看书，spss只是软件而已补充：用one way anova只能选取。
什么是方差分析？方差分析的基本思想是什么 方差分析2113又称“变异数分析”，是R.A.Fisher发明的，用于5261两个4102及两个以上样本均数差别的显著性检验。1653 由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分析的基本思想是：通过分析研究不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。扩展资料：多因素方差分析用来研究两个及两个以上控制变量是否对观测变量产生显著影响。这里，由于研究多个因素对观测变量的影响，因此称为多因素方差分析。多因素方差分析不仅能够分析多个因素对观测变量的独立影响，更能够分析多个控制因素的交互作用能否对观测变量的分布产生显著影响，进而最终找到利于观测变量的最优组合。例如：分析不同品种、不同施肥量对农作物产量的影响时，可将农作物产量作为观测变量，品种和施肥量作为控制变量。利用多因素方差分析方法，研究不同品种、不同施肥量是如何影响农作物产量的，并进一步研究哪种品种与哪种水平的施肥量是提高农作物产量的最优组合。参考资料来源：-方差分析
方差分析对数据有什么要求 方差分析的应用条件应用方差分析对资料进行统计推断之前应注意其使用条件，包括：1、可比性.若资料中各组均数本身不具可比性则不适用方差分析.2、正态性.即偏态分布资料不适用方差分析.对偏态分布的资料应考虑用对数变换、平方根变换、倒数变换、平方根反正弦变换等变量变换方法变为正态或接近正态后再进行方差分析.3、方差齐性.即若组间方差不齐则不适用方差分析.多个方差的齐性检验可用Bartlett法，它用卡方值作为检验统计量，结果判断需查阅卡方界值表.
