A=[1.943        1.981        1.959
1.932        1.955        1.919
1.925        1.966        1.942
1.939        1.969        1.939
1.931        1.964        1.936
1.923        1.954        1.906
1.952        1.977        1.946
1.932        1.976        1.949
1.927        1.967        1.945
1.923        1.969        1.919
1.939        1.982        1.960
1.939        1.977        1.955
1.933        1.970        1.953
1.930        1.972        1.939
1.939        1.979        1.948
1.932        1.970        1.947
1.948        1.979        1.949
1.933        1.964        1.919
1.939        1.974        1.941
1.930        1.981        1.975
1.929        1.984        1.957
1.941        1.977        1.944
1.938        1.966        1.917
1.947        1.981        1.968
1.973        2.008        1.956
1.936        1.984        1.958
1.938        1.979        1.948
1.944        1.986        1.962
1.940        1.989        1.975
1.929        1.980        1.967
1.928        1.959        1.896
1.940        1.970        1.928
1.940        1.978        1.964
1.934        1.985        1.963
1.932        1.981        1.956
1.943        1.978        1.945]
B=[1.951        1.977        1.983
1.930        1.963        1.973
1.942        1.974        1.982
1.951        1.979        1.987
1.936        1.974        1.985
1.949        1.980        1.989
1.938        1.976        1.987
1.937        1.974        1.985
1.941        1.970        1.978
1.954        1.979        1.986
1.930        1.961        1.969
1.923        1.962        1.971
1.948        1.976        1.984
1.945        1.975        1.983
1.940        1.972        1.981
1.955        1.982        1.989
1.932        1.970        1.980
1.983        2.006        2.012
1.990        2.007        2.010
2.006        2.017        2.017
1.951        1.983        1.993
1.950        1.983        1.992
1.949        1.984        1.993
1.970        2.006        2.016
1.952        1.979        1.986
1.952        1.985        1.992
1.942        1.970        1.978
1.936        1.967        1.976
1.918        1.956        1.966
1.986        2.004        2.007
1.946        1.985        1.996
1.953        1.980        1.986
1.937        1.975        1.986
1.974        1.993        1.996
1.992        2.008        2.011
1.934        1.978        1.991
1.938        1.977        1.989
1.995        2.022        2.027
2.025        2.041        2.044
1.879        1.958        1.982
2.042        2.052        2.052
1.946        1.989        2.002
2.156        2.124        2.115
2.080        2.074        2.070
1.951        1.979        1.987
1.915        1.982        2.005
1.915        1.966        1.979
1.968        1.999        2.007
2.348        2.244        2.201
1.894        1.956        1.971
1.993        2.015        2.020
1.944        1.987        1.998
1.933        1.973        1.983]
这是A品种和B品种的三种特征的样本观测值

我想这个不是3因素方差分析，而是要考察A和B中的三维向量之间的有没有显著性差异。求大师指导。

ABl两个品种的三个特征选择的一样吗？
即：a1=b1  a2=b2  a3=b3

三个特征对应一样，比如，a1和b1都表示高度，a2和b2都表示重量，a3和b3都表示倒伏系数。

建议使用2个独立样本的非参数检验
a1与b1
a2与b2
a3与b3
或者先进行主成分分析，然后保存主成分，检验两者的主成分是否有差异。

利用均值比较分析的one  way anova 过程试试

直接做多维正态总体的单因素方差分析（前提数据是正态的）

在完成正态性和方差齐次性之后可以做多个正态总体的单因素多元方差分析，使用spss操作过程如下图

就可以得到分析结果：


在表1中可以看到主体间的因子被品种分成了两部分，两主体样本数分别为36和53。
在输出结果表2中可以看到在统计量Wilks等其他统计量的检验下的p值均小于0.01，推断种类效应对模型的影响是显著的。
在输出结果表3中，可以看到在品种效益的检验里，三个变量的P值均小于0.01，种类效应对三个变量的影响是都是显著的。

給您參考

谢谢各路大神，学习了！！！