七、完全随机平衡设计方差分析
完全随机平衡设计只研究一个因素，但可以有k个水平（处理组），所以称为单因素设计，k个处理组样本含量相等，而每个实验数据又是随机的分配到k个水平组时，称为完全随机平衡设计。
为研究某保健饮料对缺氧的影响，将60只小白鼠随机分成低、中、高3个剂量组和对照组，每组15只，每天给2、4、8g/kg的饮料，对小鼠进行耐缺氧时间试验，试比较不同剂量的饮料对小鼠的缺氧活动时间又无差异？ 1. 调入文件“方差分析7”。
2. 选择 “Stat→ANOVA→Balanced ANOVA”。 3. Response:Y；Model:G;Random Factors:G。 4. 单击“Graphs”,选择Four in one, 单击OK。
5. 单击 “Results”,Display means corresponding to the terms:G,单击OK。
6. 单击OK, 观察结果。
7. 结果分析：F=21.14，P=0.000<0.01,拒绝Ho，可认为不同计量的饮料对小鼠耐缺氧有影响。
? 随机因子：该因子的水平是随机取得，因此结果可应用到该因素的所有水平。 ? Balanced ANOVA-results 平衡设计方差分析-结果；
? Display expected mean squares and variance components 显示期望均方和方差成分； ? Display means corresponding to the terms 显示均数的对应项。
八、两交叉因素平衡设计方差分析
试对数据“方差分析8”进行两交叉因素平衡设计方差分析。 1. 调入文件“方差分析8”。
2. 选择 “Stat→ANOVA→Balanced ANOVA”。 3. Response:Y；Model:A B|C;Random Factors:A。 4. 单击“Graphs”,选择Four in one, 单击OK。
5. 单击 “Results”,Display means corresponding terms:B|C,单击OK。 6. 单击OK, 观察结果。 7. 结果分析：
1. 因子A： F=3.13，P=0.0039<0.05, 2. 因子B： F=247，P=0.000<0.01； 3. 因子C： F=1070，P=0.000<0.01， 4. 因子B*C： F=54，P=0.000<0.01. 5. 它们具有显著差异。
to the 九、混合模型平衡设计方差分析
试对数据“方差分析9”进行两交叉因素平衡设计方差分析（T、O、S为三因素，CK响应值）。 1. 调入文件“方差分析9”。
2. 选择 “Stat→ANOVA→Balanced ANOVA”。 3. Response:CK；Model:T|O|S;Random Factors:O。
4. 单击“Options”,选择Use the restricted form of the model,单击OK。
5. 单击 “Results”,选择Display expected mean squares and variance components. 单击OK。 6. 单击OK, 观察结果。 7. 结果分析： 变异来源 F值 P值 P T 0.29 0.644 O 165 0.00 S 73.2 0.001 T*O 9.15 0.002 T*S 2.39 0.208 O*S 31.6 0.000 T*O*S 7.08 0.001 P>0.05 P<0.01 P<0.01 P<0.01 P>0.05 P<0.01 P<0.01 随机因子：该因子的水平是随机取得，因此结果可应用到该因素的所有水平。
? Use the restricted form of the model 选用模型的约束形式。 ? 单击results,打开平衡设计方差分析—结果对话框。
方差分析
