在SPSS中，可以使用不同的统计方法来估计效应量。下面是一些常用的方法和步骤：

1. 在SPSS中进行数据处理和分析后，得到相关的统计结果，例如t值、F值、卡方值等。

2. 根据具体的分析方法选择相应的效应量指标进行计算。常用的效应量指标包括 Cohen's d （对于独立样本或相关样本t检验）、Eta Squared（对于方差分析）以及Cramer's V（对于卡方检验）等。

3. 如果是独立样本t检验，可以通过计算两组均值之差除以标准差的方法来得到Cohen's d。在SPSS中，可以通过计算两组均值的差异及标准差，然后使用公式 d = (M1 - M2) / SD 来计算Cohen's d。

4. 对于方差分析，可以根据SPSS输出中的Partial Eta Squared值来估计效应量。这个值表示因素对因变量变异的解释程度。在SPSS中，可以在方差分析的输出结果中查找Partial Eta Squared的值。

5. 对于卡方检验，可以使用Cramer's V作为效应量指标。在SPSS中，Cramer's V值可以在卡方检验的输出结果中找到。

需要注意的是，SPSS仅提供了一些基本的效应量计算方法，如果需要特定领域或特殊情况下的效应量估算，可能需要使用其他统计软件或编程语言进行计算。

在spss方差分析输出的结果页面中，选择最后一列结果，就可以看出效应量。

在SPSS中，可以使用不同的方法来估算效应量。

一种常用的方法是计算Cohen's d，它衡量了两组之间的平均差异的标准化大小。

在SPSS中，可以通过计算组间均值差异的标准差除以总体标准差来得到Cohen's d。

另一种方法是计算Eta-squared，它衡量了因变量的变异中可以归因于自变量的比例。

在SPSS中，可以通过在ANOVA模型中查看“Partial Eta Squared”来获得Eta-squared的估计值。这些方法可以帮助研究者评估实验结果的效应大小。