比如分析前簡單檢查數據，比如是否包含離群值等。異常值的存在可能會影響分析結果，因此需要在分析前進行處理。此外，方差分析還需要滿足各總體服從正態分布、各總體方差相同(滿足方差齊性)、觀測值獨立(實例滿足)的要求。所以接下來我們來測試壹下。
異常值檢驗
檢查數據中的異常值。顧名思義，異常值與同組的其他值差別很大(如超過3倍標準差等。).異常值的存在會使總體均值和標準差不準確，可能導致最終結果分析不準確，尤其是在小樣本研究中。在示例中，* * *有三組數據，每組有15個樣本，* *有45個樣本，所以檢查異常值。檢查異常值的方法有很多，包括用描述性分析檢查判斷中的標準差、散點圖和箱線圖等。其中，圖解法更直觀，所以這裏用SPSSAU可視化的方框圖來描述:
方框圖結果:
從上面的結果可以看出，“零售”和“旅遊”這兩個組有壹個異常值，“航空公司”的數據沒有異常。具體異常值見下文:
可以看到，“零售”中的數據異常值為99，“旅遊”中的數據異常值為68。接下來，執行篩選過程:
對異常值進行處理後，分別檢驗數據是否滿足方差分析的前提條件。首先，進行正態性檢驗。
正態性檢驗
檢驗正態分布的方法有很多，包括正態性檢驗、圖形p-p圖、q-q圖等。壹般來說正態性檢驗是最嚴格的，所以用SPSSAU來檢驗正態性，結果如下:
因為是小樣本分析(樣本量小於50)，所以足以檢驗S-W(夏皮羅-維爾克)檢驗的結果。如果是大樣本數據，可以考慮K-S(Kolmogorov-Smimov)或者J-B(Jarque–Bera)檢驗。從結果可以看出，三組數據的P值都大於0.05，三組數據都是正常的。如果不滿足正態性，可以用非參數檢驗進行分析，然後用方差齊次檢驗如下。
方差齊性檢驗
使用SPSSAU的方差齊性檢驗結果如下:
從結果中可以看出，三組均采用方差齊性檢驗，最終F值為2.797，P值為0.073大於0.05，說明三組數據波動差異不大，具有方差齊性。通過分析發現，數據滿足方差分析的條件(不滿足方差齊性時，可采用非參數檢驗或welch方差，或Brown-Forsythe方差)，滿足單向方差分析的條件。