同單變量方差分析的思路是相同的，單變量方差分析是用於多組單變量均數的較多，主要思想是對方差進行分解。多元方差分析用於多組均向量的比較，主要思想是對方差-協方差矩陣的分解。
適用於各種形式的實驗設計的多組均向量比較、多變量因素分析和多變量回歸分析。
步驟：
調出相關操作窗口，見圖片。
因變量：至少2個以上，且是數值變量。
固定因素：適用於固定效應模型，為分類變量，選一個或幾個。
協變量：與因變量有關的數值變量，協方差分析時才用。
WLS權重：變量加權，用於加權最小二乘分析。
指定模型：系統默認是“全因子”，包含所有因子的主效應、所有協變量的主效應、所有因子的交互效應，但不含協變量交互效應。“設定”則為用戶自己定義，因素交互作用、因素和協變量間的交互效應，所有因素和協變量均含在模型中。
“因子與協變量”中，F表示固定因素，C表示協變量。
“交互”：所有因素不同水平各種組合的交互效應，系統默認。
“主效應”：只考慮主效應，不考慮交互效應。
“所有三階”：考慮3個因素的交互效應，其他幾階解釋同於此理。
計算離差平方和：共有4種，系統默認“類型3”，“類型3”是最多應用的方法。
“類型1”：平衡設計，確定一級交互效應之前必須先確定主效應的離差，確定二級交互效應之前必須先確定一級交互效應離差，其他同理；多項式迴歸模型，其中，高次項確定前先確定低次項；嵌套模型，一級效應嵌套於二級效應之中，二級嵌套於三級之中，依次類推。
“類型2”：平衡的方差分析模型、僅含主效應模型、所有迴歸模型、純嵌套模型。
“類型3”：類型1和類型2所列的模型、沒有缺失數據的平衡或非平衡設計資料。
“類型4”：有缺失數據的平衡或非平衡設計資料、類型1和類型2所列的模型。
系統默認模型內含有截距。
“對比”：單變量組間比較，共6中方法供選擇。
“偏差”：將每個水平的均數與所有水平的總均數進行比較。
“簡單”：將各水平的均數與指定水平的均數進行比較。特別適合有對照的設計。
“差值”：將每個水平的均數與前一水平的均數進行比較（第一水平除外）。
“Helmert”：將每個水平的均數與後一水平的均數進行比較（最後一個水平除外）。
“重複”：將每個水平的均數與其後各水平的均數進行比較（最後一個水平除外）。
“多項式”：比較線性效應，二次效應、三次效應等，用於估計多項式趨勢。
某因素某個水平上某因變量的估計均數，散點聯線後顯示估計均數隨兩個因素不同水平組合的變化趨勢，若平行線條，表示兩因素沒有交互作用，若有交叉，存在交互作用。用於比較模型中的因變量均數估計。
“兩兩比較”：具體操作可見我以前寫的文章，搜索“spss教程：單因素方差分析 ”。
因子與因子交互：選入預估計條件總體均數的主效應和交互效應的因素，並選入右框“顯示均值”，顯示框內因素的條件均數估計、包括均數、標準誤、可信區間。
“比較主效應”：提供模型中各主效應的條件估計均數的非校正多重比較。
“輸出”：描述統計、SSCP矩陣、方差齊性檢驗。
結果解釋：
對統計量的基本描述；對協方差等同性檢驗的概率為0.670，大於顯著性水平0.05，協方差陣齊性，適合做多元方差分析。
“多變量檢驗”：四種多元方差分析方法，Wilks' Lambda檢驗具有簡單的優點，並且與似然比準則有關，觀察三組均向量間有顯著差異，概率為0.001，可進一步兩兩比較；但是該過程不能作均向量兩兩比較。
“誤差方差等同性檢驗”：計算出的概率分別是0.260、0.804，都大於顯著性水平0.05，所以接受原假設。
單變量組間比較的方差分析，由“校正模型”知，三組血紅蛋白間比較有顯著差異，概率為0.003，紅細胞概率為0.032，有顯著差異。
“主體間SSCP矩陣”：結果見圖片，具體解釋參考相關書籍。方差-協方差矩陣的分解。
“估計”是單變量多重比較的基本統計量。
“成對比較”是LSD多重比較結果，單變量多重比較，對於血紅蛋白，B組最高，C組其次，A組最後。紅細胞計數的結果也是B組最高，C組其次，A組最後。
