实际研究中对实验数据的整体分析思路
   
一、根据所采用的实验设计类型确定相应的统计分析方法。
    1.配对样本T检验还是独立样本T检验；
2.单因素方差分析还是多因素方差分析；
3.多因素方差分析是非重复测量还是重复测量；
怎么做数据分析4.参数检验还是非参数检验等等
二、单因素实验设计
1.如果因素（自变量）只有两个水平用T检验。
2.对于单因素多水平设计，要用单因素方差分析程序。
完全随机（组间）设计用ONE-WAY ANOVA；
随机区组（组内）设计则要用重复测量的方差分析（REPEATED MEASURES）。
如果方差分析表明效应显著，而且研究者对到底哪些平均数之间差异显著感兴趣，那么就应该进行事后多重比较检验（POST HOC MULTIPLE COMPARISONS TESTS）去揭示它们之间的差异。与此有关的是事先对照比较。
三、多因素实验设计
    对于多因素实验设计，一律用方差分析。如果因素间的交互效应显著，那么就要对交互作用的实质做进一步分析。两因素设计包括简单效应的分析；三因素设计包括简单交互效应和简单简单效应的分析。如果简单效应或简单简单效应是显著的，某些时候还需要做进一步的多重比较以发现到底哪些平均数之间有差异。而如果交互效应不显著，就只看主效应的结果了。
    两因素实验设计下结果的具体分析思路：
    1. 首先进行总体的方差分析程序，得到A的主效应、B的主效应 和A*B 的交互效应。
    2. 如果A和B的交互效应不显著，那么对结果的进一步分析就只分析主效应。
      如果A和B的某个主效应都显著，那么就要对该因素的不同水平做多重比较，看
      看哪些水平两两之间有差异。如果某个主效应不显著，那么就不用再进一步的分析了。
(组间变量和组内变量的不同比较方法)
组间设计：POST HOC 的多重比较检验 
或者OPTIONS 选项中 的Compare main effects
      组内设计：OPTIONS 选项中 的Compare main effects
     
如果A和B的交互作用显著，那么说明A在B的不同水平上效应是不同的，那么就需要看看这些简单效应究竟是怎么不同（比如在B的一个水平上有效应，而在另一个水平上没有效应，或者在B的一个水平上效应大，另一个水平上效应小）。所以此时应该对结果作图和进行简单效应的分析，将这两者结合起来进行分析和解释。
      简单效应的分析利用菜单和对话框窗口不能实现（GLM General Linear Model），只能用另外一个方差分析的语法命令MANOVA实现。所以一旦发现交互作用显著，应该改用MANOVA命令做检验。
      如果简单效应是显著的，有时还有必要对该效应的多种条件哪些存在差异进一步分析。但是MANOVA里没有提供一整套从交互效应到简单效应以及简单效应的多重比较的方法。所以这个时候也许只能用单因素方差分析程序里的多重比较检验做分析了。
三因素实验设计下结果的具体分析思路：（大体上和两因素设计的一样）
      1. 首先进行总体的方差分析程序，得到A、 B和C的主效应 、A*B A*C B*C 的两两交互效应、A*B*C的三向交互效应。
 
      2. 如果所有的交互效应不显著，那么对结果的进一步分析就只分析主效应。
        如果某个主效应显著，那么就要对该因素的不同水平做多重比较，看看哪些条件两两
之间有差异。当然，因素只有两个水平就不用了，方差分析的结果就表明有差异。如果某个主效应不显著，那么就不用再进一步的分析了。比较方法同上。
        如果A、B和C的三向交互作用不显著，那么此时应该看两两交互效应，看看那些显著。如果某个两两交互效应显著，那么此时应该对该结果作图和进行简单效应的分析，将这两者结合起来进行分析和解释。分析方法同上。
       
如果A、B和C的三向交互作用显著，那么此时一方面做简单交互效应以及简单简单效应的分析，另一方面应该对结果作图。然后将两者结合起来对结果进行分析和解释。简单交互效应和简单简单效应的分析也只能用MANOVA命令实现。
        然后有必要还需要进一步对显著的效应做多重比较。