统计百科 ·
双因素方差分析主效应与交互效应的完整APA报告模板 — Two-Way ANOVA APA 7th 格式全解
统计百科：双因素方差分析（Two-Way ANOVA）完整APA 7th报告规范——两个主效应F值、交互效应F值、偏eta平方效应量、简单效应分析及交互图描述，提供可直接套入论文的APA报告句式模板。
双因素方差分析（Two-Way ANOVA）是论文里最难写规范的统计之一：两个主效应、一个交互效应，每个都要单独报告 F 值和偏 eta 平方；交互效应显著还得做简单效应分析和交互图描述。本文专攻"双因素 ANOVA 怎么按 APA 7th 写进论文"，给出可以直接套用的完整模板和填写示例，并逐一解释每个数字的来源与格式要点。
双因素 ANOVA 结果报告，你有这些困惑吗？
审稿人或导师针对双因素 ANOVA 报告最常见的反馈：
- "交互效应显著后，没有报告简单效应分析"
- "偏 eta 平方（partial eta^2）和 eta 平方搞混了，双因素必须用偏 eta 平方"
- "交互效应不显著，直接解读主效应就行，但你的写法含糊"
- "交互图的纵轴是什么因变量？缺少坐标轴说明"
- "误差自由度算错：N - ab，不是 N - a - b"
- "Bonferroni 校正后的 p 值没有说明比较次数"
这些问题集中反映了一个核心困难：双因素 ANOVA 的结果结构比单因素复杂，三个效应（主效应 A、主效应 B、A×B 交互）需要按顺序报告，且交互效应的有无直接决定后续分析路径。本文先从结构拆解开始，再给出不同情境下的完整 APA 报告模板。
一、双因素 ANOVA 的结果结构：三个效应必须分开报告
结果报告的逻辑顺序
双因素方差分析包含三个独立的假设检验，按如下顺序报告：
- 因素 A 主效应：忽略因素 B 的水平，A 的不同水平之间均值是否存在显著差异
- 因素 B 主效应：忽略因素 A 的水平，B 的不同水平之间均值是否存在显著差异
- A × B 交互效应：因素 A 的效应是否随因素 B 的水平不同而发生变化（或反过来）
核心原则：当交互效应显著时，主效应的解读需要谨慎——主效应描述的是"均值的边际差异"，而交互效应提示"这种差异因另一因素水平不同而不一样"。此时应以简单效应分析为主要结论。
自由度计算（双因素 ANOVA 最常出错的地方）
设因素 A 有 $a$ 个水平，因素 B 有 $b$ 个水平，总样本量为 $N$（均衡设计，每格 n 人，N = a × b × n）：
| 效应 | 自由度 | 例（2×4，N=200） |
|---|---|---|
| 因素 A 主效应 | a - 1 | 2 - 1 = 1 |
| 因素 B 主效应 | b - 1 | 4 - 1 = 3 |
| A × B 交互 | (a-1)(b-1) | 1 × 3 = 3 |
| 误差（组内） | N - ab | 200 - 8 = 192 |
| 总计 | N - 1 | 199 |
常见错误：误差自由度写成 N - a - b（= 194）而非 N - ab（= 192）。正确做法：a × b 是单元格总数，误差 df = 总样本量减去单元格数。
效应量：双因素 ANOVA 必须用偏 eta 平方
$\text{partial } \eta^2 = \frac{SS_{effect}}{SS_{effect} + SS_{error}}$
在多因素设计中，每个效应的 partial eta^2 分母只含"该效应 SS + 误差 SS"，因此能反映该效应在"控制其他因素后"的独立贡献，各效应的 partial eta^2 之和可超过 1，这是正常的，不是错误。
绝对不能用 eta^2（SS_effect / SS_total）：在多因素设计中 eta^2 的分母含所有效应的 SS，各效应 partial eta^2 之和可超过 1（与普通 eta^2 各效应加总恰等于 1 形成对比），eta^2 因分母含其他效应 SS 而低估各效应的独立贡献。
Cohen（1988）效应大小参考标准：
| 效应大小 | partial eta^2 |
|---|---|
| 小效应 | .01 |
| 中效应 | .06 |
| 大效应 | .14 |
二、完整 APA 报告模板：逐情形给出
情形一：交互效应不显著，直接解读主效应
背景：研究考察性别（男/女）和学习策略（精加工/复述/组织化）对记忆成绩的影响，N = 90（每格 15 人）。
APA 报告模板：
双因素方差分析结果显示，
[因素 A] 主效应[显著/不显著]，F([a-1], [N-ab]) = X.XX, p [值], partial eta^2 = .XX；
[因素 B] 主效应显著，F([b-1], [N-ab]) = X.XX, p [值], partial eta^2 = .XX；
[A × B] 交互效应不显著，F([(a-1)(b-1)], [N-ab]) = X.XX, p = .XXX, partial eta^2 = .XX，
表明[因素 A]对[因变量]的影响不随[因素 B]水平的不同而发生变化。
因交互效应不显著，分别解读两个主效应。
[描述主效应 A 的具体差异（均值对比）]；
[描述主效应 B 的具体差异（事后多重比较）]。
填入数值的示例：
双因素方差分析结果显示，性别主效应不显著，F(1, 84) = 2.13，p = .148，partial eta^2 = .025；学习策略主效应显著，F(2, 84) = 18.47，p < .001，partial eta^2 = .305，为大效应；性别 × 学习策略交互效应不显著，F(2, 84) = 0.74，p = .479，partial eta^2 = .017，表明学习策略对记忆成绩的影响不随性别不同而发生变化。因交互效应不显著，直接解读学习策略主效应。Tukey HSD 事后多重比较显示，精加工策略（M = 78.4，SD = 9.2）显著优于复述（M = 67.8，SD = 8.6），均值差 = 10.6（95% CI [6.8, 14.4]，p < .001）；精加工策略亦显著优于组织化策略（M = 71.3，SD = 8.9），均值差 = 7.1（95% CI [3.3, 10.9]，p < .001）；复述与组织化之间差异未达显著（p = .152）。
情形二：交互效应显著 — 完整报告含简单效应分析
这是双因素 ANOVA 报告中最复杂、也最核心的场景。
背景：考察教学方法（传统讲授/翻转课堂，2 水平）和年级（大一/大二/大三，3 水平）对批判性思维得分的影响，N = 180（每格 30 人）。
APA 报告模板（含简单效应）：
双因素方差分析结果显示，
[因素 A] 主效应显著，F([a-1], [N-ab]) = X.XX, p [值], partial eta^2 = .XX；
[因素 B] 主效应显著，F([b-1], [N-ab]) = X.XX, p [值], partial eta^2 = .XX；
更重要的是，[A × B] 交互效应显著，F([(a-1)(b-1)], [N-ab]) = X.XX, p [值],
partial eta^2 = .XX，提示[因素 A]的效应随[因素 B]水平的不同而变化，
有必要进一步进行简单效应分析。
简单效应分析（以 Bonferroni 方法校正多重比较）结果显示：
在[因素 B 水平 1]条件下，[因素 A]的效应[显著/不显著]，
F([a-1], [N-ab]) = X.XX, p [值]；[具体描述组间差异]。
在[因素 B 水平 2]条件下，[因素 A]的效应[显著/不显著]，
F([a-1], [N-ab]) = X.XX, p [值]；[具体描述]。
在[因素 B 水平 3]条件下，[类似描述]。
填入数值的示例：
双因素方差分析结果显示，教学方法主效应显著，F(1, 174) = 34.82，p < .001，partial eta^2 = .167，为大效应；年级主效应显著，F(2, 174) = 12.46，p < .001，partial eta^2 = .125，为中至大效应；教学方法 × 年级交互效应显著，F(2, 174) = 8.37，p < .001，partial eta^2 = .088，为中效应，提示翻转课堂相对于传统讲授的优势随年级不同而变化，有必要进一步进行简单效应分析。
简单效应分析（以 Bonferroni 方法校正多重比较，alpha = .017 per comparison）结果显示：在大一学生中，翻转课堂（M = 71.3，SD = 8.7）与传统讲授（M = 69.8，SD = 9.1）的差异未达显著，F(1, 174) = 0.52，p = .471，partial eta^2 = .003；在大二学生中，翻转课堂（M = 78.6，SD = 7.4）显著优于传统讲授（M = 72.4，SD = 8.2），F(1, 174) = 11.34，p < .001，partial eta^2 = .061；在大三学生中，翻转课堂（M = 85.9，SD = 6.8）显著优于传统讲授（M = 73.7，SD = 8.5），F(1, 174) = 42.87，p < .001，partial eta^2 = .198。上述结果表明翻转课堂的效果在大二至大三阶段更为突出，大一学生尚未体现出显著优势。
情形三：交互图（Profile Plot）的 APA 文字描述
交互图是展示交互效应最直观的方式，APA 格式对图的描述有如下要求：
- 横轴（X 轴）：通常放水平数较多的因素（因素 B）
- 纵轴（Y 轴）：因变量，需标注变量名称
- 折线：每条代表因素 A 的一个水平，图例清晰注明
- 图题：图 X：[因素 A] × [因素 B] 对 [因变量] 的交互效应图
- 误差线：建议加 ±1 SE（standard error）
图的 APA 文字描述模板：
图 [X] 呈现了 [因素 A] 与 [因素 B] 的交互效应。
如图所示，[因素 B 水平比较] 条件下，[因素 A] 两水平之间的差距
随 [因素 B] 水平的[变化方向]而[增大/减小/逆转]。
具体地，[数值描述关键交叉或分化趋势]。
填入数值的示例：
图 2 呈现了教学方法与年级的交互效应。如图所示，传统讲授组（实线）各年级的批判性思维得分较为平稳（大一 M = 69.8，大二 M = 72.4，大三 M = 73.7），而翻转课堂组（虚线）的得分随年级升高呈明显上升趋势（大一 M = 71.3，大二 M = 78.6，大三 M = 85.9），两条折线从大一基本重叠、到大三明显分离，形成典型的发散交互模式（divergent interaction）。误差线为 ±1 SE。
三、方法章节：双因素 ANOVA 的标准描述
完整方法章节描述模板：
采用双因素方差分析（Two-Way ANOVA）检验[因素 A]和[因素 B]对[因变量]的
主效应及交互效应。分析前以 Levene 检验评估组间方差齐性假设；
效应量报告偏 eta 平方（partial eta^2），以反映各效应在控制其他因素后的
独立贡献（Cohen，1988；小效应 = .01，中效应 = .06，大效应 = .14）。
当交互效应显著时，进行简单效应分析，并以 Bonferroni 方法校正多重比较
（调整后 alpha = .05 / 比较次数）。统计分析使用 ChatSRS（R 引擎），
显著性水平设为 alpha = .05（双侧）。
Levene 检验的报告（前提假设）：
分析前以 Levene 方差齐性检验评估假设，结果未达显著，F(5, 174) = 1.28，p = .272，满足双因素方差分析的方差齐性假设。
四、在 ChatSRS 一键获得完整双因素 ANOVA 报告
打开 chatsrs.com，上传数据后输入：
"对我的数据做双因素方差分析，因素 A 是教学方法（传统/翻转），因素 B 是年级（大一/大二/大三），因变量是批判性思维得分。先做 Levene 方差齐性检验；输出两个主效应和交互效应的 F 值（含两个自由度）、p 值、偏 eta 平方；如果交互效应显著，做简单效应分析并用 Bonferroni 校正；生成交互图；所有结果按 APA 7th 格式输出，可以直接复制进论文。"
ChatSRS 将自动完成以下步骤：
- Levene 方差齐性检验
- 双因素 ANOVA 分解（含三个效应 F 值和 partial eta^2）
- 交互效应显著时自动进入简单效应分析流程
- 生成符合 APA 格式的交互 Profile Plot
- 输出可直接粘贴进论文的完整结果段落
五、双因素 ANOVA 报告常见错误对照表
| 常见错误 | 正确做法 | 说明 |
|---|---|---|
| 误差 df = N - a - b | 误差 df = N - ab | ab 是单元格总数 |
| 双因素报告 eta^2 | 双因素必须报 partial eta^2 | eta^2 在多因素中低估效应 |
| 交互效应显著但只解读主效应 | 交互显著后必须做简单效应分析 | 主效应在交互存在时可能误导 |
| 简单效应分析未校正多重比较 | Bonferroni 或 Holm 校正 | 控制家族误差率（FWER） |
| 交互图无误差线 | 加 ±1 SE 误差线 | APA 图表规范要求 |
| 主效应 p < .05 就单独下结论 | 先检查交互效应是否显著 | 交互显著则主效应需在交互背景下解读 |
| partial eta^2 各效应加总 = 1 视为错误 | 多因素中各 partial eta^2 之和可超过 1 | 正常现象，不是错误 |
| F 值只写一位小数：F = 8.4 | 精确到两位小数：F = 8.37 | APA 7th 精度要求 |
六、结果段落的完整结构速查
当你开始写双因素 ANOVA 结果时，按以下顺序组织段落：
第一步 — 前提假设检验：
Levene 检验结果... F(df1, df2) = X.XX, p = .XXX，[满足/违反]方差齐性假设。
第二步 — 描述统计（各单元格均值和标准差，通常放在表中）：
各实验条件的描述统计详见表 X。
第三步 — 三个效应的 F 检验结果（按 A 主效应 → B 主效应 → A×B 交互顺序报告）：
双因素方差分析结果显示，[A 主效应]...；[B 主效应]...；[A×B 交互效应]...
第四步 — 分支处理：
- 交互效应不显著 → 直接解读主效应（含事后多重比较）
- 交互效应显著 → 进行简单效应分析，以简单效应结果为核心结论，主效应仅注记
第五步 — 交互图描述（若有图）：
图 X 呈现了...交互效应。如图所示，[描述交叉或分化趋势]。
常见 FAQ
Q：交互效应显著后，还需要报告主效应吗？
A：需要报告，但解读方式不同。交互效应显著意味着"A 的效应随 B 水平而变化"，此时主效应描述的是一种"平均效应"，可能掩盖组间差异的真实模式。APA 规范要求三个效应都完整报告（F 值、p 值、partial eta^2），但在结论段应明确指出"由于交互效应显著，主效应须在具体水平背景下理解，详见简单效应分析"。
Q：简单效应分析的 Bonferroni 校正，alpha 应该除以多少？
A：取决于你做了多少次独立比较。若因素 B 有 3 个水平，每个水平上检验因素 A（2 水平）的效应，共 3 次比较，Bonferroni 校正后 alpha = .05 / 3 = .017。如果进一步在每个水平上做事后配对比较（如因素 B 4 水平、因素 A 3 水平），比较次数更多，需重新计算校正后 alpha。方法章节须说明校正次数和调整后 alpha 值。
Q：不均衡设计（各格人数不等）时，双因素 ANOVA 有什么变化？
A：不均衡设计（unbalanced design）需要使用 Type III 平方和（SS）而非 Type I，SPSS 默认就是 Type III，R 的 aov() 默认是 Type I，需改用 car::Anova(model, type = "III")。方法章节须注明"采用 Type III 平方和分解"。此外，不均衡设计中误差 df 的计算同样是 N - ab（不变），但效应量 partial eta^2 的数值可能与均衡设计有所不同。ChatSRS 会自动检测设计类型并切换合适的 SS 类型。
Q：双因素 ANOVA 表格怎么报告？APA 表格格式是什么？
A：APA 7th 推荐用方差分析摘要表（ANOVA Summary Table），包含以下列：效应来源（Source）、SS、df、MS、F、p、partial eta^2。表格采用三线表格式（仅顶线、标题底线、底线三条横线）。如果结果不复杂，也可以在正文中用句子直接报告，不需要单独列表。ChatSRS 同时输出 APA 格式的方差分析摘要表和可复制的文字段落。
Q：交互效应非常小（partial eta^2 = .01）但 p < .05，是否要进行简单效应分析？
A：从统计规范角度，交互效应显著（p < .05）即应报告简单效应分析——这与效应量大小无关，是对假设检验结果的必要跟进。但在讨论部分可以注明"交互效应虽达统计显著，但效应量较小（partial eta^2 = .01），实质意义有限，建议在更大样本中复验"。APA 7th 同时要求报告 F、p 和效应量三者，读者可自行判断效应的实质重要性。
快速参考：双因素 ANOVA 报告格式速查卡
[三个效应的标准报告格式]
因素 A 主效应: F(a-1, N-ab) = X.XX, p [= .XXX / < .001], partial eta^2 = .XX
因素 B 主效应: F(b-1, N-ab) = X.XX, p [值], partial eta^2 = .XX
A × B 交互: F((a-1)(b-1), N-ab) = X.XX, p [值], partial eta^2 = .XX
[自由度计算速查]
a = 因素 A 水平数, b = 因素 B 水平数, N = 总样本量
A 主效应 df = a - 1
B 主效应 df = b - 1
A×B 交互 df = (a-1)(b-1)
误差 df = N - ab ← 注意是 ab，不是 a+b
[效应量参考标准（Cohen, 1988）]
小效应: partial eta^2 = .01
中效应: partial eta^2 = .06
大效应: partial eta^2 = .14
[交互效应后续处理]
交互不显著 → 直接报告主效应 + Tukey HSD 事后比较
交互显著 → 简单效应分析（Bonferroni 校正）+ 交互图描述
相关阅读
- F 值的 APA 7th 报告写法 — F(df1,df2)格式、效应量 eta 平方、报告模板全解
- 方差分析 ANOVA 完整教程 — 单因素/双因素/重复测量 AI 实操
- 交互效应报告规范
- APA 效应量报告规范 — d、r、f、OR 完整指南
- 重复测量方差分析 APA 报告模板
- 双因素方差分析 AI 实操教程
本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。