2、前提条件检验
使用方差分析需要满足独立性、正态性、方差齐性的前提条件。接下来本案例数据进行前提条件检验。
（1）独立性检验
方差分析独立性是指各组数据之间相互独立，通常独立性与试验设计有关，主观判断即可。因为各组小麦施肥方式与品种之间不存在相互影响，因此满足独立性假设。
（2）正态性检验
正态性检验的方法有很多种，包括统计检验法（Kolmogorov-Smirnov检验、Shapiro-Wilk检验、Jarque-Bera检验）、描述法（峰度绝对值小于10并且偏度绝对值小于3，则说明数据基本可接受为正态分布）、图示法查看直方图、P-P图或Q-Q图等。
其中，统计检验法最为严格，如果对数据正态性要求很严格时，可以使用该种方法。但当对数据正态性要求不是特别严格时，可以使用图示法进行正态性检验，如果直方图近似呈现为“中间高，两头低”的钟形或者P-P图和Q-Q图近似呈一条对角直线，则可认为数据近似满足正态分布。
本案例使用统计检法对各组样本数据的正态性检验，分别对不同品种、不同施肥方式的产量进行正态性检验，操作如下图：
分别得到正态性检验结果如下：
小样本（n<50）时建议使用Shapiro-Wilk检验，分析各组正态性检验结果可知，p值均大于0.05，说明数据满足正态性特质（原假设为数据满足正态分布）。
当数据不满足正态分布时，可以尝试进行数据转换。或者因为方差分析对数据正态性不是特别敏感，若数据不是那么严重偏态，仍然可以进行方差分析。
接下来验证方差齐性。
（3）方差齐性
各组数据的方差齐性，用于检验各个组别数据的波动情况(标准差)是否有明显的差异，可通过SPSSAU【通用方法】模块的方差分析中的方差齐检验进行分析，SPSSAU操作如下图：
