一位安全分析师想比较有经验和无经验的驾驶员在三种路面：柏油路、石路和土路上的驾驶水平。为了测量驾驶水平，分析师记录了每位驾驶员在每种路面上进行控制校正所用的时间（秒）。
分析师执行了均值分析，以确定经验水平和路面类型的平均值是否与总体平均值存在差异。
- 打开样本数据路面状况.MTW.
- 选择。
- 在响应中，输入“校正次数”。
- 在数据分布下，选择正态。
- 在因子 1中，输入经验。
- 在因子 2中，输入公路类型。
- 单击确定。
解释结果
Minitab 显示双因子均值分析 (ANOM) 设计的三个图，以表明第一个因子的交互效应和主效应，以及第二个因子的主效应。均值分析图有一条中心线和决策限。如果一个点在决策限范围之外，则有明显证据表明，该点代表的均值与样本的整体均值不同。使用双因子均值分析，首先评估交互作用效应。如果交互作用效应在统计意义上显著，那么，不考虑交互作用效应就无法解释主效应。
在该图中，交互作用效应正好在决策限内，这表示交互作用效应在统计意义上不显著。接着，评估主效应。下面的两个图显示两个因子的水平均值。主效应是均值和中心线之间的差值。
在经验的主效应图中，表示这两个高级和新手经验的因子水平均值的点不在决策限内。此条件表示其中的每个均值和总体均值之差在统计意义上显著。您可以得出高级司机的平均校正时间显著较低，新手司机的平均校正时间显著较高。
同样，在道路类型的主效应图中，土路和公路的主效应超出了决策限，这表明这些主效应在统计意义上显著。但是，砂石路的主效应在统计意义上不显著。
