看这个Levene's test for equality of variances，这就是方差齐性检验，结果看F值和对应的sig，如果sig>0.05，说明满足方差齐性的条件，反之不满足，你这里sig=0.733，可知是满足方差齐性的条件的，说明数据可以进行方差分析。
方差的性质：
1、设C是常数，则D（C）=0；
其中协方差 
扩展资料：
当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。
样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。
方差和标准差是测算离散趋势最重要、最常用的指标。方差是各变量值与其均值离差平方的平均数，它是测算数值型数据离散程度的最重要的方法。标准差为方差的算术平方根，用S表示。方差相应的计算公式为：
标准差与方差不同的是，标准差和变量的计算单位相同，比方差清楚，因此很多时候我们分析的时候更多的使用的是标准差。
方差齐性指自变量X的取值范围内，不论X取什么值，对应的Y为服从正态分布的随机变量，并具有相同的方差，即Y的方差与X值的大小无关（来源百度百科）。利用SPSSAU进行方差齐检验（分析路径【通用方法】→【方差】）。举个例子说明如下：
不同地区的销量方差齐分析如下：
利用方差齐性检验各组别数据的波动情况，从方差齐分析结果中可以看出结果的F值为0.043，p值为0.838大于0.05，说明不同地区的销量没有显著差异性，也即说明具有方差齐性，同理可以分析不同品牌的销量也具有方差齐性（不进行赘述）。
综上，每个总体服从方差齐性，并且满足双因素方差分析的前提条件，所以接下来进行双因素方差分析。