方差分析研究多因素对观测变量影响，通过构造F统计量来判定各个因素的均数间有无统计学上的差异。进行方差分析，需要满足可比性、正态性、以及方差齐性的条件，最关键的地方是F统计量的构造。Ø方差分析的基本原理是设有n个总体，各总体分别服从正态分布，假定各总体方差相等。现从各总体随机抽取样本。透过各总体的样本数据推断n个总体的均值是否相等。
http://blog.renren.com/blog/220869953/706981510?frommyblog
http://blog.renren.com/blog/220869953/707270965?frommyblog，
曾粗略地讨论SAS进行方差分析的代码，这里对比使用SAS和SPSS两种软件更深入地学习方差分析。
一、单因素的方差分析(一种因素的不同水平是否对观测变量是否有影响)
sas代码：
proc anova data=yuyu;
class a; /*因素a，有不同的水平*/
model y=a;
run;
如果该检验发现a因素的不同水平有显著性差异，那么可以继续进行多重比较，利用proc npar1way可以进行Kruskal-Wallis检验得到结果。
spss操作：
Analyze — Compare Mean — One-Way ANOVA，利用Post Hoc选项可以实现多重比较。
二、多因素方差分析（两个或两个以上的因素对观测变量是否有影响）,以两因素为例。
sas代码：
proc anova data=yuyu;
class a b; /*存在a b两个因素*/
model y=a b a*b; /*考虑ab交互作用*/
means a b a*b; /*考虑因素对应的均值比较*/
run;
更多的选项，可以参考文档。
spss操作：
Analyze— General Linear Model — Univariate ，然后在相应的选项下操作。对应sas代码，如果考虑交互作用，需要选择饱和模型选项。
三、多元方差分析（某几个因素的不同水平对观测变量是否有影响）
sas代码，可以参考http://blog.renren.com/blog/220869953/706981510?frommyblog中的例子。
spss操作：
Analyze— General Linear Model — Multivariate ，进而进行相关选项的操作。