案例数据
300 行广告投放实测记录，2 个分类因素（投放渠道 3 级 × 内容类型 2 级 = 6 个组合单元）与 1 个连续因变量（转化率 %），完整演示双因素 ANOVA 全流程：Levene 方差齐性 → 主效应 + 交互效应模型 → 解读交互 → 简单效应 / 事后多重比较，结论为"渠道效果取决于内容类型"——交互显著（partial η²=0.46），需按"渠道 × 内容"组合制定投放策略，而非单独优化任一维度。
| 文件名 | two-way_anova.xlsx |
|---|---|
| 样本量 | 300 行（3×2=6 单元 × 50 行/单元，完全平衡设计） |
| 变量数 | 3 列（1 个因变量 Y + 2 个因子 A、B） |
| 数据用途 | 广告投放效果分析：渠道、内容类型及其交互对转化率的影响 |
| 变量说明 | 渠道（A，3 级：短视频/搜索/信息流）、内容类型（B，2 级：理性/感性）、转化率（Y，连续 0-100，单位 %）。 |
完整案例
1. 背景
某 DTC 电商品牌投放团队复盘上一季度 300 条广告素材投放结果，希望回答三个问题：①不同投放渠道（短视频 / 搜索 / 信息流）平均转化率是否有差异（A 主效应）；②不同内容类型（理性诉求 / 感性诉求）整体上谁更有效（B 主效应）；③渠道与内容类型是否相互依赖，即某种内容类型在某个渠道效果特别好或特别差（A×B 交互效应）。双因素方差分析（Two-way ANOVA）正是为这种"两个分类自变量同时影响一个连续因变量"的设计而生：单因素 ANOVA 只能看一个因子，而双因素 ANOVA 可同时分解两个因子的主效应与它们的交互效应，并把残差变异归到组内。主效应回答"该因子整体上是否影响 Y"，交互效应回答"两个因子是否相互依赖"——如果交互显著，主效应解释要让位于"在某种水平下另一因子的效果"，业务策略也要按组合而非单因子制定。本案例 300 行 6 单元完全平衡设计，演示 Levene 方差齐性 → 主效应+交互模型 → 简单效应 / Tukey 事后比较的完整决策流程。
2. 理论与公式
双因素方差把总变异分解为两个主效应、一个交互效应和组内误差四部分，用 F 检验各部分相对组内噪声是否显著。
μ 总均值，αi 因子 A 第 i 水平主效应，βj 因子 B 第 j 水平主效应，(αβ)ij 交互效应，ε 组内残差。
各效应均方与组内均方比值；p<0.05 表示该效应显著优于纯噪声。
该效应能解释多少剩余变异，0.01 / 0.06 / 0.14 大致对应小 / 中 / 大效应。
3. 数据结构
300 行 × 3 列，"长格式"宽表：每行 1 条广告素材的最终投放结果，1 列连续 Y + 2 列分类 X。3×2=6 个单元各 50 行，完全平衡设计：
| 变量名 | 类型 | 取值 | 业务含义 |
|---|---|---|---|
| 渠道 | 因子 A（分类，3 级） | 短视频 / 搜索 / 信息流 | 广告投放平台类型，每级 100 行 |
| 内容类型 | 因子 B（分类，2 级） | 理性 / 感性 | 广告创意诉求方向，理性=参数对比 / 感性=情绪故事，每级 150 行 |
| 转化率 | 因变量 Y（连续） | 0-100 % | 点击进入落地页后下单的比例（百分比），N=300，总均值 57.46，SD 11.54 |
完全平衡设计（每单元 50 行）使 Type Ⅰ / Ⅱ / Ⅲ 平方和结果一致；分类因子按字符串编码，模型内部自动哑变量化；连续 Y 已无缺失值，可直接进入 ANOVA。
4. 操作步骤
- 登录 SPSSzero，进入 工作台 → 上传
two-way_anova.xlsx - 左侧方法栏 → 进阶方法 → 点击 双因素方差分析
- 把 转化率 拖入 因变量 Y（必须连续型）
- 把 渠道 拖入 因素 A（3 个水平），把 内容类型 拖入 因素 B（2 个水平）
- 默认勾选 主效应 + 交互效应 模型（A、B、A×B 全部纳入）
- 勾选 Levene 方差齐性检验，先确认前提假设是否成立
- 勾选 事后多重比较（推荐 Tukey HSD），用于主效应显著时识别哪些组别两两不同
- 勾选 边际均值 + 交互图，便于直观判读交互模式
- 点击 开始分析；如交互显著，进一步在结果页选 简单效应：在 B 的每个水平下检验 A 的差异，或反之
5. 结果表格与结果阅读
下面展示 3 张紧凑三线表：表 1 为 6 单元描述统计 + 边际均值，表 2 为双因素 ANOVA 主表，表 3 合并 Levene 齐性 + 简单效应 + Tukey HSD。
| 渠道 \\ 内容类型 | 理性（mean ± SD, n） | 感性（mean ± SD, n） | 渠道边际均值 |
|---|---|---|---|
| 短视频 | 43.05 ± 9.45 (50) | 70.31 ± 8.48 (50) | 56.68 ± 16.36 (100) |
| 搜索 | 62.97 ± 7.60 (50) | 55.44 ± 6.84 (50) | 59.21 ± 8.13 (100) |
| 信息流 | 53.18 ± 7.48 (50) | 59.80 ± 7.16 (50) | 56.49 ± 8.01 (100) |
| 内容边际均值 | 53.07 ± 11.55 (150) | 61.85 ± 9.75 (150) | 总均值 57.46 ± 11.54 (300) |
| 三个渠道的边际均值非常接近（56.5-59.2），单看渠道主效应似乎差异微弱；但拆到单元层面，短视频下理性（43.05）与感性（70.31）相差 27.3 个百分点，而搜索下方向反转（理性 62.97 > 感性 55.44）——这正是交互效应的典型信号。 | |||
| 来源 | SS（平方和） | df | MS（均方） | F | p | 偏 η² |
|---|---|---|---|---|---|---|
| 渠道（A 主效应） | 460.497 | 2 | 230.248 | 3.703 | 0.026* | 0.025 |
| 内容类型（B 主效应） | 5783.825 | 1 | 5783.825 | 93.025 | <0.001*** | 0.240 |
| 渠道 × 内容类型（交互） | 15299.961 | 2 | 7649.981 | 123.039 | <0.001*** | 0.456 |
| 残差（组内） | 18279.487 | 294 | 62.175 | — | — | — |
| * p<0.05 ** p<0.01 *** p<0.001；判读优先级：交互（partial η²=0.456，大效应） ≫ 内容类型主效应（0.240，大效应） ≫ 渠道主效应（0.025，小效应，但 p<0.05 仍达统计显著）；交互项独占 SS=15,300，远超两个主效应之和（约 6,244），说明不能把两个因子的效果分开理解。 | ||||||
| 检验类型 | 分组 / 对比 | 统计量 | p | 解读 |
|---|---|---|---|---|
| Levene 齐性 | 6 单元方差 | F(5,294)=2.197 | 0.055 | ✅ 临界但 > 0.05，方差齐性勉强通过，ANOVA 可用 |
| 简单效应 A | B | 理性内容下渠道差异 | F(2,147)=73.287 | <0.001 | 理性内容在 3 渠道差异极大（搜索 62.97 ≫ 短视频 43.05） |
| 简单效应 A | B | 感性内容下渠道差异 | F(2,147)=51.524 | <0.001 | 感性内容在 3 渠道差异极大（短视频 70.31 ≫ 搜索 55.44） |
| 简单效应 B | A | 短视频下：理性 vs 感性 | t(98)=−15.175 | <0.001 | 差 −27.26 分，短视频强烈偏好感性 |
| 简单效应 B | A | 搜索下：理性 vs 感性 | t(98)=5.204 | <0.001 | 差 +7.53 分，搜索更适合理性（方向反转） |
| 简单效应 B | A | 信息流下：理性 vs 感性 | t(98)=−4.517 | <0.001 | 差 −6.61 分，信息流略偏好感性 |
| Tukey HSD（A 边际） | 搜索 vs 信息流 | diff=+2.72 | 0.219 | 不显著 |
| Tukey HSD（A 边际） | 短视频 vs 信息流 | diff=+0.19 | 0.993 | 不显著 |
| Tukey HSD（A 边际） | 搜索 vs 短视频 | diff=+2.53 | 0.268 | 不显著 |
| 虽然渠道主效应 ANOVA 表里 p=0.026 达显著，但 Tukey HSD 两两比较均不显著——这是因为交互效应"吃掉了"主效应的方向感：3 个渠道的边际均值高度接近（56.5-59.2），只有进入具体内容类型才看得到差异。结论必须按"渠道 × 内容"组合，而非单看渠道。 | ||||
7. 文字分析
双因素方差分析（N=300，3 渠道 × 2 内容类型 × 50 行/单元）综合结果：
- 渠道主效应（A）：F(2,294)=3.70，p=0.026，partial η²=0.025（小效应）。统计上达 0.05 水平显著，但 Tukey HSD 两两对比均 p>0.20——3 个渠道的边际转化率非常接近（56.5%-59.2%）。如果只看渠道主效应，结论是"几乎没差别"。但这个数字被交互效应"扁平化"了，真实差异藏在内容类型组合里，详见交互项解读。
- 内容类型主效应（B）：F(1,294)=93.02，p<0.001，partial η²=0.240（大效应）。感性内容平均转化率 61.85%，理性内容 53.07%，感性内容整体领先 8.8 个百分点。如果你被迫只选一种内容路线，感性更稳——但下文会看到这并非全场景适用。
- 渠道 × 内容类型交互效应（最重要的发现）：F(2,294)=123.04，p<0.001，partial η²=0.456（大效应，独占 SS=15,300）。这意味着"哪种内容好用"高度取决于在哪个渠道投放——三种渠道的"理性/感性偏好"完全不同甚至方向反转。业务含义：①短视频强烈偏好感性（情绪故事 70.31% vs 参数对比 43.05%，差 27.3 个百分点，简单效应 t=−15.2），算法和受众都奖励情感共鸣；②搜索完全相反，偏好理性（参数对比 62.97% vs 情绪故事 55.44%，差 +7.5 百分点），主动搜索用户已带购买意向，需要硬指标支持决策；③信息流轻度偏好感性（59.80% vs 53.18%，差 +6.6 百分点），介于上两者之间。策略：不能用同一套创意打三个渠道，必须按渠道定制——短视频上情绪化故事 / 搜索上参数对比卖点 / 信息流上场景化轻情绪。
- 方差齐性（Levene 检验）：F(5,294)=2.197，p=0.055，勉强通过 0.05 临界线。这是 ANOVA 的前提假设之一（6 单元方差大致相等），数据已满足。如未来类似设计 Levene p<0.05，可考虑：①用 Welch's ANOVA / 稳健回归替代；②对 Y 做 log / Box-Cox 变换；③加大样本量降低异方差影响。本例 ANOVA 结果可信。
- 简单效应展开建议：当交互显著时，单独解释主效应会误导，应优先报告简单效应（即在另一因子各水平下逐一做单因素 ANOVA / t 检验）。本例已展开两套：①固定内容类型看渠道差异——理性下 F(2,147)=73.29、感性下 F(2,147)=51.52，均 p<0.001；②固定渠道看内容类型差异——三个渠道下理性 vs 感性差异均显著但方向不同（短视频 −27.3 / 搜索 +7.5 / 信息流 −6.6）。这印证交互模式：渠道效果取决于内容类型，反之亦然。
投放策略建议：①废弃"哪个渠道更好"的笼统提问，改问"在 A 渠道投 B 内容的转化率多少"；②本季度最优组合是短视频 × 感性内容（70.31%，比总均值 57.46 高 12.9 个百分点），优先放量；③避免最差组合短视频 × 理性内容（43.05%，比总均值低 14.4 个百分点），节省预算；④搜索渠道必须用理性诉求（参数 / 对比 / 评分卡），把感性创意从搜索投放计划中下架；⑤信息流是两类内容的"折中战场"，可作为新内容 A/B 测试入口。下一阶段如要进一步验证，可设计 3×2×2（加入新维度，如目标人群分群）的三因素 ANOVA，或针对短视频 / 搜索分别再做内容子类型 ANOVA。
8. 剖析提醒
交互显著时不要先解释主效应——如本案例渠道主效应 p=0.026 但 Tukey 两两不显著，单独报告会自相矛盾，应优先用简单效应或交互图解读。Levene 检验是前提：p<0.05 时不能直接用经典 ANOVA，可改用 Welch's 修正或对 Y 做变换。样本设计应尽量平衡（每单元样本量相等），否则 Type Ⅰ / Ⅱ / Ⅲ SS 结果不一致，需明确报告所用 SS 类型；本案例完全平衡，三种 SS 等价。partial η² 大于 0.14 即大效应，本例交互项 0.456 属极强交互；如不确定阈值，可比较"交互项 SS / 总 SS"是否远超主效应——本例 51% 的总变异来自交互。