用SPSS20进行二因素设计的简单效应分析两因素试验要检验互作效应，如果互作显著则应进一步做简单效应分析。
SPSS20图形界面无法简单效应分析，其实SPSS大多数功能均无法利用图形界面实现。
所以SPSS的优点并不是其易用性，而重点在于输出结果丰富、编排合理。
比较SAS、和R软件均能利用图形界面进行简单的统计分析，但其输出结果简单，无法直接发布。
我们用一个两因素裂区试验的产量数据进行简单的说明。
这个试验是一个品种密度试验，品种为主区，种植密度为副区，三次重复，籽粒产量为每公顷公斤产量。
其分析语法为：UNIANOVA 单产BY a b r/RANDOM=r/METHOD=SSTYPE(3)/INTERCEPT=INCLUDE/CRITERIA=ALPHA(0.05)/POSTHOC=a b(DUNCAN LSD)/DESIGN=a b r r(a) a*b/EMMEANS = TABLES(a*b) COMPARE (b) ADJ(LSD)/EMMEANS = TABLES(a*b) COMPARE (a) ADJ(LSD).注意最后两句，采用EMMEANS进行简单效应分析，其选项ADJ表示均值检验方法，有3种方法可供选择，常用的是LSD。
运行该语句（Ctrl+r）的下列结果。
注意，该语句前面还有数据集设置（DATASET ACTIVATE 数据集1.），不能写错数据集的名称。
表1 主体间效应的检验因变量: 单产源III 型平方和df 均方 F Sig.截距假设1524883353.546 1 1524883353.546 41177.914 .000误差74063.167 2 37031.584aa假设5090978.401 2 2545489.201 257.340 .000误差39566.096 4 9891.524bb假设2253126.736 2 1126563.368 79.838 .000误差169326.808 12 14110.567cr假设74063.167 2 37031.584 3.744 .121误差39566.096 4 9891.524br(a)假设39566.096 4 9891.524 .701 .606误差169326.808 12 14110.567ca * b假设836244.524 4 209061.131 14.816 .000误差169326.808 12 14110.567ca. MS(r)b. MS(r(a))c. MS(错误) 主区a 副区b 重复r 籽粒产量xm26 10万 1 6942 xm26 10万 2 6725.3 xm26 10万 3 6692 xm26 15万 1 7658.7 xm26 15万 2 7467 xm26 15万 3 7375.4xm26 20万1 7642 xm26 20万 2 7683.7 xm26 20万3 7467 9398 10万 1 6775.3 9398 10万 2 6900.3 9398 10万 3 6748.7 9398 15万 1 6950.3 9398 15万 2 6825.3 9398 15万 3 6775.3 9398 20万 1 7725.4 9398 20万 2 7575.4 9398 20万 3 7883.7 ts28 10万 1 8167.1 ts28 10万 2 8033.7 ts28 10万 3 7858.7 ts28 15万 1 7975.4 ts28 15万 2 8025.4 ts28 15万 3 7908.7 ts28 20万 1 8450.4 ts28 20万 2 8200.4 ts28 20万 3 8475.4表1显示互作显著，因此有必要进行简单效应分析。
表2、3为主效应间的多重比较。
表2 单产品种N 子集1 2 3Duncan a,b 9398 9 7128.875xm26 9 7294.809ts28 9 8121.702 Sig. 1.000 1.000 1.000已显示同类子集中的组均值。
基于观测到的均值。
误差项为均值方 (错误) = 14110.567。
a. 使用调和均值样本大小 = 9.000。
b. Alpha = 0.05。
表4为三个品种在不同密度下产量均值及差异显著性，表5为三种密度下不同品种的差异。
表4、5就是我们要进行的简单效应分析。
表4 成对比较因变量: 单产品种(I) 密度(J) 密度均值差值 (I-J) 标准误差Sig.b差分的 95% 置信区间b下限上限9398 10万15万-42.224 96.990 .671 -253.547 169.09920万-920.046*96.990 .000 -1131.369 -708.723 15万10万42.224 96.990 .671 -169.099 253.54720万-877.822*96.990 .000 -1089.145 -666.499 20万10万920.046*96.990 .000 708.723 1131.36915万877.822*96.990 .000 666.499 1089.145ts28 10万15万50.002 96.990 .616 -161.320 261.32520万-355.573*96.990 .003 -566.896 -144.250 15万10万-50.002 96.990 .616 -261.325 161.32020万-405.576*96.990 .001 -616.899 -194.253 20万10万355.573*96.990 .003 144.250 566.89615万405.576*96.990 .001 194.253 616.899xm26 10万15万-713.925*96.990 .000 -925.247 -502.60220万-811.152*96.990 .000 -1022.475 -599.82915万10万713.925*96.990 .000 502.602 925.24720万-97.227 96.990 .336 -308.550 114.09620万10万811.152*96.990 .000 599.829 1022.475表3 单产密度N 子集1 2 3Duncan a,b10万9 7204.80515万9 7440.18720万9 7900.395Sig. 1.000 1.000 1.000已显示同类子集中的组均值。
基于观测到的均值。
误差项为均值方 (错误) = 14110.567。
a. 使用调和均值样本大小 = 9.000。
b. Alpha = 0.05。
15万97.227 96.990 .336 -114.096 308.550 基于估算边际均值*. 均值差值在 0.05 级别上较显著。
b. 对多个比较的调整：最不显著差别（相当于未作调整）。
表5 成对比较因变量: 单产密度(I) 品种(J) 品种均值差值 (I-J) 标准误差Sig.b差分的 95% 置信区间b下限上限10万9398ts28 -1211.727*96.990 .000 -1423.050 -1000.404xm26 21.668 96.990 .827 -189.655 232.991 ts289398 1211.727*96.990 .000 1000.404 1423.050xm26 1233.395*96.990 .000 1022.072 1444.718 xm269398 -21.668 96.990 .827 -232.991 189.655ts28 -1233.395*96.990 .000 -1444.718 -1022.07215万9398ts28 -1119.500*96.990 .000 -1330.823 -908.178xm26 -650.033*96.990 .000 -861.355 -438.710 ts289398 1119.500*96.990 .000 908.178 1330.823xm26 469.468*96.990 .000 258.145 680.791 xm269398 650.033*96.990 .000 438.710 861.355ts28 -469.468*96.990 .000 -680.791 -258.14520万9398ts28 -647.255*96.990 .000 -858.577 -435.932xm26 130.562 96.990 .203 -80.761 341.885 ts289398 647.255*96.990 .000 435.932 858.577xm26 777.817*96.990 .000 566.494 989.140 xm269398 -130.562 96.990 .203 -341.885 80.761ts28 -777.817*96.990 .000 -989.140 -566.494基于估算边际均值*. 均值差值在 0.05 级别上较显著。
b. 对多个比较的调整：最不显著差别（相当于未作调整）。