步骤：

1. 根据平均数秩次距k和dfe查出SSRα值。

2. 计算平均数标准误。 3. 计算各秩次距下的显著尺度LSRα或Rα值。 秩次距是指当平均数由大到小排序后，相比较的两个平均数之间（含这两个平均数）包含的平均数个数。 4. 将处理平均数由大到小排序，并依次求出各处理之间的差值，将各差值与相应秩次距下的Rα相比较，作出差异显著性判断。同样有： 相应秩次距的 R0.01 > 平均数差值 ≥ 相应秩次距的R0.05，则两处理平均数间差异为显著； 平均数差值 ≥相应秩次距的 R0.01 ，则两处理平均数间差异为极显著； 相应秩次距的R0.05 > 平均数差值 ，则两处理平均数间差异为不显著。 EXCEL里可以大小排序，至于计算平均数标准误等，需要你自己设定公式。

SSR (Sum of Squares Due to Error)法中秩次距是用来衡量模型拟合优度的一种统计指标。在SSR法中，假设有一个已知的模型，表示为Y = Xβ + ε，其中Y是因变量，X是自变量矩阵，β是回归系数，ε是误差项。秩次距的计算方法如下：

1. 首先，根据已知模型，计算预测值Ŷ = Xβ。

2. 计算残差向量e = Y - Ŷ。

3. 将残差向量按照绝对值从小到大排序，得到排列后的残差向量e*。

4. 计算秩次距d = Σi(e*_i - e*_i-1)，其中e*_i表示排列后的残差向量e*的第i个元素。

5. 秩次距可以用来衡量模型的拟合优度，秩次距越小表示模型的拟合效果越好。需要注意的是，秩次距只适用于回归模型，对于其他类型的统计分析方法可能有不同的拟合优度指标。

在SSR法中，秩次距离是通过计算两个样本之间的秩次差来确定的。首先，将两个样本的数据合并并按照大小排序，然后为每个数据分配一个秩次。

秩次是根据数据在排序后的位置来确定的，相同的数据会被分配相同的秩次，而且秩次是连续的整数。

然后，计算两个样本中对应数据的秩次差，并求和得到秩次距离。秩次距离越小，表示两个样本之间的相似度越高。

在SSR法中，确定秩次距的方法主要有两种。第一种是使用Friedman秩次和检验来计算秩次距。这个方法的优势在于它可以同时比较三个或多个相关样本之间的差异。第二种方法是使用Kendall W秩次和检验来计算秩次距。这个方法适用于只比较两个相关样本之间的差异。无论是使用Friedman秩次和检验还是Kendall W秩次和检验，都可以得到一个数值表示样本之间的差异程度，数值越大表示差异越显著。因此，确定秩次距的方法在SSR法中是非常重要的，它可以帮助我们评估相关性的强度和方向。