如何看方差分析的结果是否显著？
方差分析就是通过检验各总体的均值是否相等来判断分类型自变量（定类变量）对数据型因变量（定量数据）是否有显著影响。方差分析一般分为单因素方差分析、双因素方差分析、三因素方差分析以及多因素方差分析。
方差分析是实际研究中非常常用一种方法，比如医学界研究几种药物对某种疾病的疗效；体育科研中研究训练目标、方法和不同运动量等因素对提高某项运动成绩的效果；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响，社会学研究不同性别的人和生育意愿之间的关系。
可以使用SPSSAU快速进行方差分析：
结果如下：
从上表中可以看出，零售业的均值为49.929，标准差为9.068；旅游业的均值为28，标准差为4.315；航空公司的标准差为34.333，标准差为7.451。从中可以看出三者之间有差异，并且零售业投诉次数相对多一些，以及单因素方差模型的F值为34.244，P值远小于0.05，具有显著性差异，也说明了三者之间存在显著性差异。也可以用图示化方法进行描述三者的均值对比：
这张图里的方差分析F检验结果不显著。看显著性检验结果有两种方法。
1、根据F值判断。
SPSS输出的表格中“F”即样本的计算结果。之后考虑显著性检验的临界值α和F统计量的自由度，在F检验表中查找F的临界值（下表是α=0.1的F临界值表，如果α设定为0.05或0.01则应查找对应的F检验表）。最后，将SPSS计算出的F值与F临界值比较，若大于临界值则可以说在α的意义下结果显著，否则不显著。
2、根据Sig.判断。
SPSS输出的Sig.结果即将计算出的F值根据自由度转换为了P-Value，可以直接根据Sig.判断是否显著，若Sig.<α则结果显著，否则不显著，这一方法更方便。
在此基础上拓展一下，z检验、t检验、Chi-Square检验（卡方检验）等判断显著或进行假设检验的方式都是类似的，或者根据对应的检验表，或者根据P-Value。如果根据检验表判断，可分为三步：
第一步，计算统计量的观测值，例如此处的F值，这一步SPSS会直接输出；
第二步，查表，根据自由度和α找到临界值；
第三步，将SPSS输出的统计量观测值与查表所得临界值进行对比，得出结果。
相较之下，根据P-Value来判断则非常简单，SPSS已经根据样本计算并输出了P-Value，只需将P-Value和α对比即可。
此外在一些情况下，SPSS也会自动以星号（*）的数量对是否显著进行标记，例如做相关系数分析时，在0.01级别相关性显著会标注出“**”，在0.05级别相关性显著标注“*”等等。