1 功能描述
协方差分析中，次要变量需要能够明确给出，例如grocery_1month.sav数据例子中的商场大小，含义十分明确。有些时候我们无法明确的对次要变量进行界定，如商场除了大小外，还有服务、环境、地理位置等因素无法一一进行衡量，此时我们可以采用随机效应，即不去具体指定商场的哪个差异对用户的消费金额产生影响，而是笼统的把商场所有的差异归结为随机效应。
在协方差分析例子中，通过分析可以明确得出商场大小是否对用户的消费金额有影响；但是在随机效应中，商场的各种可能的差异导致了用户的消费金额的不同。协方差分析中，协变量可以是数值型变量也可以是分类型变量，但是在随机效应分析中，随机效应一般应该为分类型变量！
2 随机效应分析
我们仍以grocery_1month.sav的数据为例进行演示：数据样本为不同用户在商店的花费情况。用户的花费除了受到主要变量（性别和购物方式）的影响外，也受到随机效应（商店各个维度如服务、环境、地理位置）的综合影响！
2.1 随机效应全模型分析
双击打开grocery_1month.sav数据文件，在数据窗口中，依次点击“分析/一般线性模型/单变量”。
在弹出的“单变量”窗口，将amtspent变量移到右侧“因变量”框；将gender和style变量移到右侧“固定因子”框；
将storeid变量移到右侧的“随机因子”框；
然后点击“选项”按钮。
在弹出的“单变量：选项”窗口，勾选输出下面的“同质性检验和功效估计”，点击继续返回“单变量”窗口。
设置好参数后，点击“单变量”窗口的确定按钮进行运算。
运算完成后，输出窗口将给出方差齐性检验和主题间效应的检验表。
由于我们没有对模型进行设置，SPSS默认采用全模型，即方差齐性检验表下方给出的方程，共8个变量影响用户的花费金额。
可以看出方差齐性检验表中方差齐性未通过检验；主题间效应的检验表中大部分变量也不显著。这主要是由于全模型过于复杂导致的。所以我们需要对模型进行精简后再次进行随机效应分析。
2.2 自定义模型
进入在数据窗口中，依次点击“分析/一般线性模型/单变量”，再次进入“单变量”窗口；点击窗口中的模型按钮。
在弹出的“单变量：模型”窗口中，第一步选择类型下面的“主效应”，再分别每次选中一个变量，将styl、gender和storeid三个变量分别移到右侧的“模型”框。
在弹出的“单变量：模型”窗口中，第二步选择类型下面的“交互”，再同时选中双侧的style和gender变量，将其移到右侧的“模型”框。此时，右侧窗口将出现style*gender变量。完成后点击继续按钮返回“单变量”窗口。
设置好参数后，点击“单变量”窗口的确定按钮进行运算。
运算完成后，输出窗口将给出方差齐性检验和主题间效应的检验表。
此时，方差齐性检验表下方给出的方程，共5个变量影响用户的花费金额。
方差齐性通过了显著性检验；主体间效应的检验表中截距、gender、storeid和gender*gender变量均显著，style变量不显著。由于storeid变量显著，说明加入storeid变量后，可以使gender和style变量对用户花费金额影响的估计更加准确！