（一）多因素方差分析基本思想 
　　多因素方差分析用来研究两个及两个以上控制变量是否对观测变量产生显著影响。这里，由于研究多个因素对观测变量的影响，因此称为多因素方差分析。多因素方差分析不仅能够分析多个因素对观测变量的独立影响，更能够分析多个控制因素的交互作用能否对观测变量的分布产生显著影响，进而最终找到利于观测变量的最优组合。 
　　例如： 
　　分析不同品种、不同施肥量对农作物产量的影响时，可将农作物产量作为观测变量，品种和施肥量作为控制变量。利用多因素方差分析方法，研究不同品种、不同施肥量是如何影响农作物产量的，并进一步研究哪种品种与哪种水平的施肥量是提高农作物产量的最优组合。 
　　（二）多因素方差分析的其他功能 
　　1、均值检验 
　　在SPSS中，利用多因素方差分析功能还能够对各控制变量不同水平下观测变量的均值是否存在显著差异进行比较，实现方式有两种，即多重比较检验和对比检验。多重比较检验的方法与单因素方差分析类似。对比检验采用的是单样本t检验的方法，它将控制变量不同水平下的观测变量值看做来自不同总体的样本，并依次检验这些总体的均值是否与某个指定的检验值存在显著差异。其中，检验值可以指定为以下几种： 
　　观测变量的均值（Deviation）; 
　　第一水平或最后一个水平上观测变量的均值（Simple）; 
　　前一水平上观测变量的均值（Difference）; 
　　后一水平上观测变量的均值（Helmert）。 
　　2、控制变量交互作用的图形分析 
　　控制变量的交互作用可以通过图形直观分析。 
　　（三）多因素方差分析的进一步分析 
　　在上述案例中，已经对广告形式、地区对销售额的影响进行了多因素方差分析，建立了饱和模型。由分析可知：广告形式与地区的交互作用不显著，先进一步尝试非饱和模型，并进行均值比较分析、交互作用图形分析。 
　　1、建立非饱和模型 
　　2、均值比较分析 
　　3、控制变量交互作用的图形分析