雙因素方差分析
單因素方差分析只是考慮了壹個自變量（定類）與壹個因變量（定量）之間的關系，但是在實際問題研究中可能研究兩個或者幾個因素與因變量之間的關系，例如，分析產品滿意度與學歷、品牌滿意度等的關系。當方差分析中研究幾個自變量和1個因變量之間的關系時，稱為多因素方差分析。如果是兩個自變量則為雙因素方差分析。
有四個品牌的吸塵器在兩個地區的不同門店銷售，為分析吸塵器的品牌和銷售地區對銷售量的影響，搜集每個品牌在各地區的銷售數據，銷售經理根據搜集的數據想要進行分析品牌和地區對吸塵器的銷售量是否有顯著差異以及兩個因素搭配是否對銷售量產生新的影響，部分數據如下：
例子中涉及三個變量，壹個是“地區”壹個是“品牌”還有壹個是“銷售量”。其中“地區”和“品牌”是定類變量，“銷售量”是定量變量，想要進行分析品牌和地區對吸塵器的銷售量是否有顯著差異，分析究竟是壹個因素在起作用，還是兩個因素都在起作用，還是兩個因素都不起作用。這就是壹個雙因素方差分析問題。
假設數據已經滿足雙因素方差分析要求。
主效應
考慮某因素的主效應時，需要考慮除所有因素的效應，簡單來說就是X對Y的影響。比如：雙因素方差分析中，分別去判斷“地區”和“品牌”對銷售量的影響。
結果如下：
首先進行查看變量“地區”，發現自變量地區的F值為21.970，並且p值小於0.05所以說明主效應存在，然後對“品牌”進行分析，發現品牌的F值為130.145並且p值小於0.05所以說明主效應存在，具體差異可以進行事後多重比較進行分析。接下來研究“地區”和“品牌”搭配是否對銷售量產生新的影響，進行查看交互效應。
交互效應
在雙因素方差分析中，如果除了研究品牌和地區對銷售量的影響還研究兩個因素搭配是否對銷售量產生新的影響，例如例子中的某個地區對某種品牌吸塵器有特殊偏好，則為雙因素方差分析的交互作用分析，即交互效應。
從上表可以看出，分析項為“地區與品牌的交互項”因變量為“銷售量”發現模型的F值為1.649,並且p值為0.218大於0.05，所以模型不顯著，即說明沒有交互效應。分析完畢。綜上，存在主效應但不存在交互效應，接下來進壹步分析。
如果進行雙因素方差分析，壹般是主效應顯著後才會進壹步查看事後多重比較，對於交互作用顯著的模型才會更深壹步研究簡單效應分析。
簡單效應
簡單效應是指簡單效應指X1在某個水平時，X2不同水平的比較；因為該模型只存在主效應所以進行事後多重比較不進行簡單效應分析。如果存在交互效應，則可以進壹步分析簡單效應。
事後多重比較
因為主效應顯著，並且“地區”和“品牌”兩個主效應都顯著，所以進行事後多重比較，進壹步分析（此處利用LSD方法進行，因為該方法對差異最為敏感使用最為廣泛，並且檢驗效能高，對比組別較少時使用，除此之外SPSSAU還提供其它方法，比如：Bonferroni校正等）。
“地區”事後多重比較：
比較不同地區的銷量是否有顯著性差異，上表可以看出t值為-4.687，p值遠小於0.05所以地區1和地區2的銷量有顯著性差異並且地區1與地區2的均值差值為負數，說明地區2的均值更大，從側面說明地區2的銷量更好。
“品牌”事後多重比較：
比較不同品牌的銷量是否有顯著性差異，上表可以看出品牌1、品牌2、品牌3、品牌4兩兩之間比較，p值均遠小於0.05所以不同品牌兩兩之間的銷量均有顯著性差異，並且從均值差值中可以看出品牌1的均值更大，從側面說明品牌1的銷量更好。