广东省住房城乡建设厅官方网站wordpress 4.0 中文
1，
转换为长数据格式，并添加编号：
变量视图中修改：
注意变量列表只能是数值类型数据，不能是名义型，即factor
“分析”→“比较平均值”→“单因素ANOVA检验”命令
“因变量列表”列表框：该列表框中的变量为要进行方差分析的目标变量，称为因变量，因变量一般为度量变量，类型为数值型。——》因变量
“因子”列表框：该列表框中的变量为因子变量，又称自变量，主要用来分组。如果要比较两种教学方法下学生的数学成绩是否一致，则数学成绩变量就是因变量，教学方法就是因子变量。自变量为分类变量，其取值可以为数字，也可以为字符串。因子变量值应为整数，并且为有限个类别。——》自变量
选项中：
对比中选择多项式-线性：
两两比较中选择：假定方差齐性，显著性水平0.05
Ans：
单因素方差分析，F检验结果得组间差异显著
而且我们可以看到方差齐性检验结果是不显著的，也就是符合H0，即方差齐性
上面的图表就是6行，对应
id1-2，id1-3依此类推，分别给出了置信区间，
反过来的均值差异的联合置信区间就是相反数，主要是3类：
参考：https://blog.csdn.net/weixin_43645790/article/details/106626608
2，
方差齐性符合，
遗传因素和营养素设置结果判断：
遗传因素对体重增量的影响不显著，营养素的设置同样不显著，交互效应也就是（遗传*营养素）不显著，所以直接考虑前面的主体效应即可；
参考：
https://www.jingege.wang/2020/06/03/spss%E8%B6%85%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B%EF%BC%9A%E5%8F%8C%E5%9B%A0%E7%B4%A0%E6%96%B9%E5%B7%AE%E5%88%86%E6%9E%90two-way-anova/
https://zhuanlan.zhihu.com/p/571257351
3，
同样上面设置：分析——一般线性模型——单变量
首先是设置主效应：
其次是设置交互作用：
不显著，交互同理
调整R² = 0.895：模型解释了种子产量89.5%的变异，说明模型对数据的拟合效果较好。
校正模型显著性（Sig. = 0.228）：虽然调整R²较高，但模型整体未达到统计显著性（p > 0.05）。可能是由于样本量过小（仅8次试验），导致统计功效不足。
所有主效应（A、B、C、D）的p值均大于0.05，说明在现有数据中，单独改变浇水次数、喷药次数、施肥方法或移入时间，对种子产量的影响均不显著。
主效应和交互效应均不显著（p > 0.05），无法通过统计检验确定最优方案