分析——比较平均值——单因素ANOVA检验
检验不同学历的人在收入上是否有显著差异
因子（自变量）：学历 因变量：收入
点击事后比较（即两两比较），选择方差检验方法
点击选项，勾选描述、方差齐性检验、平均值图
输出结果：
方差齐性检验基于平均值（因为方差检验比较的就是均值）的检验结果的P值=0.001<0.05，拒绝H0，不同学历的人的收入存在显著差异。
各组方差相同的前提不成立，ANOVA检验是否显著没有意义
那去看事后检验的结果吧
在操作时，方差不等的情况下采用塔姆黑尼方法，所以直接看这里就好了
例如：高中以下学历和高中学历两两比较的P=0.898>0.05，高中毕业和高中未毕业人群的收入不存在显著差异
高中以下学历和大专学历两两比较的P=0.036<0.05，高中以下学历和大专学历人群的收入存在显著差异
可是我们又想看总体怎么办呢——非参数检验
分析——非参数检验——k个独立样本
要对学历定义范围：1-5
输出结果：
P=0.00<0.05，拒绝H0，接受研究假设，即5个不同学历的独立样本在收入上有显著差异
分析——一般线性模型——单变量（指单个因变量）
固定因子（自变量）：学历、性别 注：固定因子的所有可能情况必须在样本中全部包含，否则应该选为随机因子
协变量：是一个要控制的、对因变量有影响的连续变量
模型——选择
全因子：既考虑所有自变量对因变量的直接效应，又考虑所有分类变量的交互作用对因变量的影响
定制模型：根据研究者需求，定制要考虑的对因变量的影响因素。比如只考虑自变量的直接效应，或部分自变量的交互作用
当自变量特别多（尤其是分类自变量特别多）时，且样本量不多时，应使用定制模型
原因：所有交互作用都考虑进去可能太多了，而且很难解释结果
这里定制模型，只考虑学历和性别的交互作用
输出结果：
根据P值可以看出，对收入有影响的因素是学历、是否退休、是否结婚、年龄。性别和学历的没有交互作用，即性别*学历的10中人群在收入上没有显著差异
原文：https://www.cnblogs.com/keepgoingyu/p/13997522.html