不一樣可能是因為一個表格是經過整理過的，SPSS直接輸出的表格不能直接粘到論文裡，要對這個輸出的表格進行標準化的整理。性別對調查結果的影響採用獨立樣本t檢驗即可，因為性別只有兩個水平（1男和2女），單因素方差分析適用兩個及以上水平的，在這裡把兩種方法都貼出來，希望對你有所幫助。

例如，檢驗性別對調查結果（身高）的影響

首先，我們需要在SPSS上建立結構，記得對性別設立值標籤，結構如圖所示：

接下來進行資料的錄入，【宣告：本資料純屬編造，資料量少，僅為快速舉例使用】，如圖

【1】獨立樣本t檢驗

（1）“Analyze”——“Compare Means”——“Independent-Samples T Test”——彈出相應對話方塊

（2）選中“調查結果（身高）”——移動至“Test Variable(s):”欄下；選中“性別”——移動至“Grouping Variable:”欄下——“Define Groups”——彈出相應對話方塊——“Group1:”“Group2:”欄中分別填入“1”和“2”——“Continue”

（3）“OK”——彈出結果表

【2】單因素完全隨機的實驗設計

（1）“Analyze”——“Compare Means”——“One-Way ANOVA”——彈出相應對話方塊

（2）選中“調查結果（身高）”——移動至“Dependent List:”欄下；選中“性別”——移動至“Factor:”欄下——“OK”——彈出結果表

計算檢驗統計量的觀察值和機率P_值：Spss自動計算F統計值，如果相伴機率P小於顯著性水平a，拒絕零假設，認為控制變數不同水平下各總體均值有顯著差異，反之，則相反，即沒有差異。

方差齊性檢驗：控制變數不同水平下各觀察變數總體方差是否相等進行分析。採用方差同質性檢驗方法（Homogeneity

of variance），原假設“各水平下觀察變數總體的方差無顯著差異，思路同spss兩獨立樣本t檢驗中的方差分析”。

圖中相伴機率0.515大於顯著性水平0.05，故認為總體方差相等。

趨勢檢驗：趨勢檢驗可以分析隨著控制變數水平的變化，觀測變數值變化的總體趨勢是怎樣的，線性變化，二次、三次等多項式。趨勢檢驗可以幫助人們從另一個角度把握控制變數不同水平對觀察變數總體作用的程度。圖中線性相伴機率為0小於顯著性水平0.05，故不符合線性關係。

多重比較檢驗：單因素方差分析只能夠判斷控制變數是否對觀察變數產生了顯著影響，多重比較檢驗可以進一步確定控制變數的不同水平對觀察變數的影響程度如何，那個水平顯著，哪個不顯著。常用LSD、S-N-K方法。LSD方法檢測靈敏度是最高的，但也容易導致第一類錯誤（棄真）增大，觀察圖中結果，在LSD項中，報紙與廣播沒有顯著差異，但在別的方法中，廣告只與宣傳有顯著差異。

相似性子集：由圖可知，劃分的子集結果是一樣的。通常在相似性子集劃分時多采用S-N-K方法的結論。其結論可以與上述多重比較檢驗結合起來看，驗證在LSD項中，報紙與廣播沒有顯著差異的結論。