双因素方差分析在人体运动干预实验结果分析中的应用1研究目的在人体运动干预的实验中需要对比不同干预方法下人体相关测试指标的差异性来说明某种干预方法的优劣。但是在实验测试指标（因变量）通常具有或无法判断性别差异的前提下,实验者忽略性别因素影响采用单因素方差分析来对实验结果进行统计分析。这种统计方法的误用会影响实验结果的真实性,因此需要先判断性别和干预方法是否存在交互作用的情况。要判断性别和干预方法对因变量的交互效应就需要采用双因素方差分析进行。研究目的:是讨论有和没有交互效应的双因素方差分析在在人体运动干预实验结果分析应用上的区别。研究方法:在中国知网查找最近5年（2014年至2019年）主题为"运动干预"和"双因素方差分析"的期刊论文和硕博士论文。采用文献资料法筛选出运动干预实验结果分析方法为单因素方差分析且实验对象为男女的论文以及双因素方差分析在实际情况中应用的论文,了解目前人体运动干预实验后统计方法使用的情况以及正确的用法。研究结果:3.1统计方法的误用情况单因素方差分析是三组及以上人体运动干预论文中最经常采用的统计方法之一,在实际使用的过程中会因为对统计方法不熟悉而产生多种错误。这些错误可以简单概括两类:一类是使用单因素方差分析的使用错误,在没有交代单因素方差分析的前提条件下直接做分析或者在事后两两检验时选择的方法不对。针对第一种情况需要阐述连续性变量满足正态分布、组内没有异常值的基本前提条件,对不满足前提条件的数据需要进行正态性转换或者采用Kruskal-WallisH检验等非参数检验方法。针对第二种情况需要可采用SNK法检验任何两个组别的均数比较,采用Dunnet法检验不同组和同一个对照组的均数比较。二类是单因素分析的选择错误,在人体运动干预实验结果分析中直接假设性别和干预方法不存在交互作用而直接进行不同性别或者整体的单因素方差分析,直接对不同性别组进行双因素方差分析会使得样本量减少,从而降低实验结果的效应量。直接对整体进行单因素方差分析直接忽视了性别的对因变量的影响。针对这两种的情况,一般采用双因素方差分析或者协方差分析处理。但是协方差分析只能将连续变量作为协变量,来消除协变量对因变量的影响,而性别作为二分类变量是无法作为协变量进行协方差分析的。所以常用的处理方法是进行双因素方差分析进行检验。3.2双因素方差分析的正确使用在采用双因素方差分析时是需要先满足6项假设:1、因变量是连续变量;2、自变量有2个且均为分类变量;3、观测值需要相互独立;4、2个分类的数据中不存在显著异常值;5、2个分类的数据中残差接近正态分布（高斯分布）6、2个分类的数据中等方差性。在存在不同性别的人体运动干预实验中,前三个假设是成立的。所以需要对余下的三个假设进行检验,异常值常采用箱图判断,数据正态性常采用Shapiro-Wilk检验,等方差性常采用Levene方差齐性检验判断。在满足假设的条件下进行双因素方差分析,具体操作过程因篇幅有限不做赘述。判断两个自变量之间是否存在交互作用是采用双因素方差分析的出发点,因此在统计结果分析之前可以通过简单的折线图上性别和干预方法两条折线是否相交或者在X轴延长线可能相交判断是否存在交互情况,如果相交或者在X轴可能相交那么判断为存在交互作用,否则不存在交互作用。如果性别和干预方法不存在交互作用则进行主效应分析,如果存在交互作用则采用简单主效应和交互作用对照分析。性别和干预方法是否存在交互作用是需要通过F检验的P值（F检验中零假设为真的概率）来判断,一般以0.05为标准,如果P大于0.05则表示交互项没有统计学意义,性别和干预方式间不存在交互作用;如果P小于等于0.05则表示交互项有统计学意义,性别和干预方式间存在交互作用。当不存在交互作用时,采用主效应分析方法根据不同干预组的均值大小和对应P值判断干预方式的优劣。当存在交互作用时,采用主效应分析方法根据不同干预方式下女性或男性的均值大小和对应P值判断同性别下干预方式的优劣;或者采用交互作用对照分析同干预组的性别差异。研究结论:1.单因素方差分析经常代替双因素方差分析在人体运动干预实验结果分析中误用。2.当实验测试指标（因变量）存在或者无法判断性别差异时,应该采用双因素方差分析进行处理实验结果。3.双因素方差分析在使用中需要满足6个假设条件,存在交互作用采用简单主效应分析和交互作用对照分析;不存在交互作用只进行主效应分析。