显著分析：
将数据导入SPSS，更改变量名称，并检查数据类型是否为数字
重新代入原始数据，主要是将自变量代入1.2.3.4.5….等
菜单栏单击analyze—generallinearmodel—univariate，将变量移动到dependent variable，将参数移动到Fixed factors
单击“model”，选择Full factorial，然后单击“continue”
单击plots以在水平轴和垂直轴上添加交互组件的两个参数；
单击“options”，然后在display窗口中选择“homogeneity tests”“方差一致性检验”，默认显著性级别为0.05，然后单击“continue”
在Univariate对话框中，单击确定可以显示输出表；
也可以根据生成的图判断相互作用；
注意：对于非交互分析，“模型”类型必须选择“主效应”而不是“交互”。 主效应影响没有相互作用时的分析。
相关分析：
SSS操作步骤
单击analyze—correlate—bivariate以打开bivariate correlations对话框
将变量移至变量对话框，选中相关系数Pearson，选择双边检验；
单击options，选中“均值和标准差”、“外积分方差阵和协方差阵”，然后单击continue
操作完成后，将显示相关系数
相关性和显著性数学知识：
SSS即使进行相关分析，显著性也是0，实际上小于0.001，是非常小的数字。 点击后即可了解具体数字，表明显著性较好。
显著性所表示的两个变量之间的显著性差异，数值越大表明显著性越大，相反表明两者之间有较强的相互作用。
在数据登陆SPSS前进行数据故障排查，删除异常点，获得的数据会让你吃惊；
方差分析的本质是验证多个总体均值是否存在显著差异，通过观察各个观测数据的误差源分析得到，在实际应用中方差可以验证各种因素对因变量是否有显著影响。
方差平方和反映数据的总变动或总误差
SST=SSA SSE；
SSA是组间的平方和，反映随机误差和系统误差的大小。
SSE是组内平方和，反映随机误差的大小；
F=SSA/SSE，比较SSA在SST中所占比例的大小
在SSPS计算中，显著性概率为Sig .如果是SIG.(0.01或者0.05 )，则在显著性水平上拒绝H0，可以认为a的影响显着。
注意事项：所有数据都是观测服从正态分布的简单随机样本； 独立实验；
各组观察数据等方差；
皮尔森Pearson相关系数：给出了一个单纯的线性关系。