差异显著性用小写英文字母标记。方差分析结束后，固定模型下需要对存在显著差异的几组处理进行多重比较，常用的方法有最小显著差数法（LSD）和最小显著极差法（LSR）。
首先使用ssr（最小显著差数法）将数据排序。然后根据数据的位置差异采用不同的比较标准。然后根据所采用的比较标准和数据位置，计算出每个比较的SSR值。最后根据所采用的比较标准和SSR值，判定每个比较的显著性标出来即可。
每个子集只有1个字母，各处理间差异都显著。在处理1的时候，把它们分别标成a、b、c就可以了。如果一个子集中包含了两个或以上的处理，就标成一样的字母。如果一个处理包含在两个子集中，就将两个子集的字母都标注。
SSR是一种假设检验方法，用于比较两个或多个样本的平均数是否有显著差异。下面是使用SSR法多重比较的例题：设两个样本A、B，每个样本的观测值为xx2，yy2和zz2。检验样本A和样本B的平均数相等。样本A的平均数x1+x2+/2，样本B的平均数y1+y2/2。
在上述已排好序的数据中设立一个参照组，一般以无交互作用的对照组为基准来考虑问题，即将其视为“大样本”进行研究对待，SSR法的具体做法是将各个不同处理的均值与参照组的相应值相比较，看它们之间是否有显著差异存在，这一过程通常采用t检的方式来进行。
在Excel的数据分析工具中选择多重比较方法，样本平均数、标准差和样本数，选择Duncans新复极差法，并设置显著性水平和多重比较结果的输出位置。 运行数据分析，Excel会根据您的输入和设置计算多重比较的SSR值，并在指定位置输出结果。您可以将结果整理成表格形式，以便进行后续统计分析。
步骤如下：进行方差分析来检验组间差异的显著性。选择SSR法（Duncan氏新复极差法）进行多重比较。计算各组之间的复极差（StandardizedRange）。根据复极差进行多重比较，确定哪些组之间存在显著差异。
下面是使用SSR法多重比较的例题：设两个样本A、B，每个样本的观测值为xx2，yy2和zz2。检验样本A和样本B的平均数相等。样本A的平均数x1+x2+/2，样本B的平均数y1+y2/2。
该法的步骤如下：将各处理组至少重复一次的实验数据（或单因素多水平设计中的全部试验结果）进行排序，注意要按大小顺序，例如连续变量如数值型变量的排列等；若为类别变量则需对每个观察单位分别赋值再排列。
1、ssr服从卡方分布的原因在于，它是一种线性回归模型的统计量，而线性回归模型的拟合程度与卡方检验密切相关。
2、S.E of regression的计算方法为：√（Sum squared resid（RSSS）/（n-k-1），K为解析变量个数。
3、R是指拟合优度，是回归直线对观测值的拟合程度。表达式：R2=SSR/SST=1-SSE/SST 其中：SST=SSR+SSE，SST（total sum of squares）为总平方和，SSR（regression sum of squares）为回归平方和，SSE（error sum of squares） 为残差平方和。
4、误差是测量测得的量值减去参考量值。测得的量值简称测得值，代表测量结果的量值。所谓参考量值，一般由量的真值或约定量值来表示。 对于测量而言，人们往往把一个量在被观测时，其本身所具有的真实大小认为是被测量的真值。残差在数理统计中是指实际观察值与估计值（拟合值）之间的差。