研究背景
某大学教育学教授想比较三种教学方法（传统讲授、翻转课堂、混合式教学）对学生期末考试成绩的影响。她将180名学生随机分成三组，每组60人，分别采用一种教学方法。
研究问题
三种教学方法的学生成绩是否存在显著差异？哪种方法最好？
数据说明
三个独立组别的考试成绩（0-100分）。每组n=60。数据满足正态性和方差齐性假设。
示例数据
- 传统讲授：72, 68, 75, 80, 65, 70, 77, 73, 69, 74, 71, 66, 78, 76, 72, 69, 75, 70, 73, 68
- 翻转课堂：82, 78, 85, 90, 76, 88, 81, 79, 84, 87, 83, 80, 86, 82, 79, 85, 81, 78, 84, 80
- 混合式：88, 85, 92, 79, 90, 86, 83, 91, 87, 84, 89, 82, 90, 86, 88, 85, 83, 91, 87, 84
分析步骤
步骤 1：为什么用ANOVA而不是多次t检验
比较3组时，如果做3次t检验（A vs B, B vs C, A vs C），每次α=0.05，总体犯第一类错误的概率会膨胀到约14%。单因素ANOVA通过一次检验控制整体α在0.05。
提示：ANOVA的逻辑是：如果组间差异远大于组内差异，则F值会很大，p值会很小。
步骤 2：解读F检验结果
ANOVA给出 F(2,57)=45.23, p<0.001。这说明至少有两组存在显著差异，但不知道是哪两组。
步骤 3：事后检验（Post-hoc）
需要进行两两比较（通常用 Bonferroni 校正或 Tukey HSD）。本案例中：传统 vs 翻转（p<0.001）、传统 vs 混合（p<0.001）、翻转 vs 混合（p=0.02），三组之间都有显著差异。
结果解读
结论
单因素方差分析显示，三种教学方法的成绩存在统计学显著差异，F(2,57)=45.23, p<0.001。事后检验表明，混合式教学（M=86.50）> 翻转课堂（M=82.50）> 传统讲授（M=72.30），所有两两比较均达到统计学显著水平（p<0.05）。
为什么这样解读？
ANOVA的F检验具有统计学意义只说明"不全相等"，不代表所有组都不同。必须做事后检验才能知道具体哪两组有差异。同时要看效应量 η²=0.61，说明教学方法解释了61%的成绩变异，这是非常大的效应。
如何在论文中报告
采用单因素方差分析比较三种教学方法对学生成绩的影响（α=0.05，双侧）。结果显示，教学方法对成绩存在统计学显著关联，F(2,57)=45.23, p<0.001, η²=0.61。Tukey事后检验表明，混合式教学（M=86.50, SD=3.82）成绩最高，高于翻转课堂（M=82.50, SD=3.95）和传统讲授（M=72.30, SD=4.12），所有两两比较均达到统计学显著水平（p<0.05）。这表明混合式教学效果最佳。
常见错误
ANOVA显著后直接说"三组都不同"
F检验显著只说明"至少有两组不同"，必须做事后两两比较才能确定具体差异模式。
忽略方差齐性假设
如果各组方差差异很大（Levene检验p<0.05），应改用 Welch ANOVA 或非参数的 Kruskal-Wallis 检验。
只做ANOVA不报告效应量
p值受样本量影响很大。大样本下很小的差异也会显著。必须报告 η² 或 ω² 来判断实际重要性。