某工程师想要评估三种不同金属的烧结时间与抗压强度之间的关系。该工程师分别度量了每种烧结时间下（100 分钟、150 分钟 和 200 分钟），每种金属类型的五个样品的抗压强度。
该工程师执行了一般线性模型 (GLM) 方差分析，并在输出中包含了主效应图。
- 打开样本数据烧结时间.MTW.
- 选择。
- 在响应中，输入强度。
- 在因子中，输入烧结时间和金属类型。
- 单击确定。
解释结果
在此示例中，主效应图显示了金属类型 2 与最高强度相关，且 150 的烧结时间与最高强度相关。但是，一般线性模型结果表明，烧结时间的主效应统计意义不显著。烧结时间水平的平均强度之间的差异可能是由随机概率导致的。
如果您对此数据集使用拟合一般线性模型，则结果表明烧结时间和金属类型之间的交互作用项统计意义显著。此交互作用项效应表明金属类型和强度之间的关系取决于烧结时间的值。因此，工程师如果不考虑交互作用效应，就无法解释主效应。
尽管您可以使用此图来显示效应，但还必须通过查看方差分析表中的效应来评估统计意义显著性。
此图显示了数据均值。当您可以使用数据均值来获得哪种效应可能较为明显的一般概念时，总的来说，这将是使用因子图中的拟合均值获得更为精确结果的良好实践。
