查看SPSS官方帮助文档，即点击左下角的“？”，找到了两者区别。
https://www.ibm.com/support/knowledgecenter/zh/SSLVMB_25.0.0/statistics_mainhelp_ddita/spss/base/idh_glmu.html
“GLM 单变量”过程通过一个或多个因子和/或变量，
为一个因变量
提供回归分析和方差分析。因子变量将总体划分成组。通过使用此“一般线性模型”过程，您可以检验关于其他变量对单个因变量的各个分组的平均值的效应的原假设。您可以调查因子之间的交互以及个别因子的效应，它们之中有些可能是随机的。另外，还可以包含协变量的效应以及协变量与因子的交互。对于回归分析，自变量（预测变量）指定为协变量。
e.g.
数年来一直收集芝加哥马拉松赛中各个选手的数据。每名选手到达终点的时间是因变量。其他因子包括天气（冷、舒适或热）、训练月数、以前参加马拉松赛的次数以及性别。年龄被视为协变量。您可能会发现性别是一个显著作用，性别与天气的交互也是显著的。
ps. 取一个因变量，可以有多个固定因子
用
SPSS
进行
多变量
数据
分析
1.将所给的数据输入
SPSS
22.0中文版。分别设置变量为温度，体重1、2、3、4；体重，温度5、10、15、20、30。
2.用
SPSS
进行作图（过程略）。3.对数据进行
多因素
变量
分析
，具体操作如下：
（1）以体重组和温度5、10、15、20、30作为变量，在菜单里
选择
分析
-
>比较平均值
-
>
单因素
ANOVA，将体重组选入“因子”，将温度5、10、15、20、3
在本文中，我们将用R语言对数据进行线性混合效应模型的拟合，然后可视化你的结果。
线性混合效应模型是在有随机效应时使用的，随机效应发生在对随机抽样的单位进行多次测量时。来自同一自然组的测量结果本身并不是独立的随机样本。因此，这些单位或群体被假定为从一个群体的 "人口 "中随机抽取的。示例情况包括
当你划分并对各部分进行单独实验时（随机组）。
当你的抽样设计是嵌套的，如横断面内的四分仪；林地内的横断面；地区内的林地（横断面、林地和地区都是
