要是你只需定性的也差不多很清楚影响大因素的影响大小也可以不能分开进行
先用分类变量都很相同分类在因变量上如何确定有差异，接着将发动变量与因变量画在一个线性图当中就这个可以差不多猜出那个引响因素大了。
当然了也这个可以常规定量的方法都很清楚那就是常规回归，不不需要用因子分析，你直接将这5个影响不大因素另外自变量并且回归分析就好了，回归有无有意义看降临模型的f和sig是否不显著就再说
然后再都很引响因素的大小就看标准化回归系数的大小就可以了
1、然后用spss先打开具体窗口，选择类型分析什么→也很均值→单因素anova再次进入。
2、下一步，要将仔细的观察值和行业共有再添加到因变量列表和因子中去。
3、而现在可以不再点选项，按照提示框的对话框来确定勾选方差质性检验。
4、这样一来会得到相对应的检验结果，即可通过f检验了。
f值的大小是没有登陆游戏的，如果是方差分析结果特别特别显著的情况下，有可能会有这么大的
所以才你不担心那，同时如果没有你是做论文的话，也你不用担心，没人会特别注意这个的，只是因为是因为你自己去造假不好意思太过度关注它
、数据收集整理
2、数据录入spss并参与整理一番
3、讲——好象线性模型——单变量
4、你选择变量到各自按的变量框（操作相似回归分析）
5、饱和多因素方差分析结果：这里同样的有r方，显著性，另外相乘（类似于系数）
6、多重比较
7、重物都很的结果与单因素方差分析的一样
spss单因素方差分析显著性字母标签方法：红色标记字母法；先将各处理平均数由近到远自上而下排列，然后在的最平均数后标记字母，并将该平均数与以下各平均数排列两者相比，凡差异不显著标记不同字母，直到某一个不可能差异特别显著的平均数标记字母b；
再以标有字母b的平均数为标准，与上方比它大的各个平均数都很，凡差异不不显著论罪外加标b，转眼间显著为止；
再以标记有字母b的大的平均数为标准，与下面各未标签字母的平均数而言，凡差异不显著，再继续标签字母b，转眼某一个只能差异显著的平均数标签c；这等再重复一遍出去，转眼最小一个平均数被标记、比较比较完毕后为止。这样，各平均数间凡有一个同一字母的即为差异不不显著，凡无同一字母的即为差异作用效果。用小写拉丁字母意思是作用效果水平α0.05，用英文字母拉丁字母意思是不显著水平α0.01。
