Дисперсионный анализ (ANOVA)
- Автор метода
- Ronald A. Fisher
- Год
- 1925
- Тип
- Method
- Семейство
- parametric-hypothesis-testing
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
ANOVA — это параметрический статистический метод, разработанный Рональдом А. Фишером в 1925 году, который проверяет, существенно ли различаются средние значения в трех или более независимых группах.
Разбивая общую дисперсию на компоненты межгрупповой и внутригрупповой дисперсии, ANOVA определяет, обусловлены ли наблюдаемые различия эффектами воздействия или случайными вариациями, что делает его фундаментальным для сравнительных исследований в медицине, психологии, сельском хозяйстве и инженерии.
Интуиция метода
ANOVA расширяет t-критерий (который сравнивает две группы) до множества групп путем анализа отношения дисперсии, объясняемой принадлежностью к группе, к необъясненной дисперсии. Если группы действительно различаются по своим базовым средним, межгрупповая дисперсия будет существенно больше внутригрупповой дисперсии (случайной ошибки). F-статистика количественно определяет это отношение: большое значение F указывает на истинные групповые различия, тогда как малое значение F предполагает сходство групп. Эта логика лежит в основе многих экспериментальных дизайнов и сравнительного анализа групп по наблюдательным данным.
История
Рональд А. Фишер разработал ANOVA в 1925 году во время анализа полевых сельскохозяйственных испытаний на Ротамстедской экспериментальной станции, стремясь проверить, различаются ли урожайность культур в зависимости от обработки удобрениями. Его инновация заключалась в разбиении дисперсии и введении F-распределения (названного в его честь), что произвело революцию в сравнительной статистике. Крэскэл и Уоллис (1952) разработали непараметрический эквивалент (тест Краскела-Уоллиса). Метод стал стандартом в психологии, медицине и социальных науках в течение XX века. Современные расширения включают ANOVA для повторных измерений (Mauchly, 1940), факторный ANOVA (Yates, 1937) и робастные варианты (F Уэлча, оценки Джеймса-Стейна).
Когда применять
Используйте ANOVA при сравнении средних значений трех или более независимых групп по непрерывной зависимой переменной. Типичные сценарии: проверка эффективности нескольких условий лечения (образование, медицина), сравнение результатов по демографическим категориям (возрастные группы, географические регионы) или оценка нескольких групп вмешательства в рандомизированном исследовании. ANOVA идеально подходит, когда данные приблизительно нормально распределены и дисперсии групп примерно равны. Для ненормальных данных рассмотрите тест Краскела-Уоллиса (непараметрический аналог). Для повторных измерений (одни и те же испытуемые измеряются несколько раз) используйте ANOVA для повторных измерений. Для иерархических данных (ученики в школах) используйте многоуровневое моделирование.
Ограничения и замечания
- Предполагает нормальное распределение остатков; чувствителен к отклонениям от нормальности при больших размерах эффекта или неравных размерах групп.
- Предпосылка однородности дисперсий: неравные дисперсии между группами увеличивают ошибку I рода. F-критерий Уэлча является более робастной альтернативой.
- Общий тест (omnibus test): значимое p-значение указывает на то, что по крайней мере два средних различаются, но не указывает, какие именно пары; апостериорное тестирование добавляет сложность и штрафы за множественные сравнения.
- Чувствителен к выбросам: несколько экстремальных наблюдений могут увеличить внутригрупповую дисперсию и снизить статистическую мощность.
- Требует независимых наблюдений; нарушает предпосылки при кластеризации данных (например, ученики в классах) без соответствующей корректировки.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Мощный метод для выявления истинных групповых различий при соблюдении предпосылок; поддерживает более низкий уровень ошибки I рода по сравнению с множественными t-тестами.
- Экономичность: проверяет общий эффект группы в одной модели, а не проводит множество попарных сравнений.
- Предоставляет размер эффекта (эта-квадрат), количественно определяющий величину групповых различий относительно общей вариации.
- Широко доступен в статистическом программном обеспечении; стандартная практика в исследованиях по различным дисциплинам; результаты легко интерпретируются.
- Расширяемость: основа для факторного ANOVA (несколько факторов), многомерного ANOVA (MANOVA), дизайнов с повторными измерениями и смешанных моделей.
Применение
- Клинические испытания: сравнение эффективности нескольких дозировок лекарств или конкурирующих методов лечения на исходы пациентов (например, снижение боли в трех группах лечения).
- Образовательные исследования: проверка того, различается ли успеваемость учащихся в зависимости от метода обучения, типа школы или социально-экономического положения.
- Сельское хозяйство и науки об окружающей среде: анализ урожайности, темпов роста или уровней загрязнителей в зависимости от условий поля, типов удобрений или географических регионов.
- Производство и контроль качества: оценка того, варьируются ли метрики качества продукции в зависимости от производственной линии, партии или поставщика.
- Психология и нейронауки: сравнение когнитивных показателей, нейронной активности или поведенческих мер в зависимости от экспериментальных условий или диагностических групп.
Как это работает
Как это работает
Применяйте ANOVA, когда у вас есть непрерывная зависимая переменная и одна или несколько категориальных группирующих переменных (факторов). Сбор данных требует независимых наблюдений из каждой группы и достаточного размера выборки (обычно 5–10+ на группу). Участники распределяются по группам либо экспериментально (случайное распределение), либо наблюдательно (естественная группировка). Зафиксируйте показатели зависимой переменной для всех участников. Перед продолжением проверьте предпосылки: (1) независимость наблюдений (отсутствие кластеризации или искажений из-за повторных измерений), (2) нормальность остатков в каждой группе (изучите Q-Q графики или проведите тест Шапиро-Уилка), (3) однородность дисперсий между группами (тест Левене; p > 0.05 предполагает равные дисперсии).
Рассчитайте F-статистику ANOVA, разбив общую сумму квадратов (SS_total) на межгрупповую сумму квадратов (SS_between) и внутригрупповую сумму квадратов (SS_within). Вычислите: (1) Общее среднее (среднее значение по всем наблюдениям), (2) SS_between = Σ n_i(M_i − M_grand)² где n_i — размер группы, а M_i — среднее группы, (3) SS_within = Σ Σ (x_ij − M_i)² суммируется по группам и наблюдениям, (4) Межгрупповая средняя сумма квадратов (MS_between) = SS_between / (k − 1) где k — количество групп, (5) Внутригрупповая средняя сумма квадратов (MS_within) = SS_within / (N − k) где N — общий размер выборки, (6) F-статистика = MS_between / MS_within. При нулевой гипотезе F следует F-распределению с (k−1) и (N−k) степенями свободы.
Сравните рассчитанное значение F с критическим значением из таблиц F-распределения или используйте программное обеспечение для получения p-значения. Если p < α (обычно 0.05), отвергните нулевую гипотезу: по крайней мере две группы существенно различаются. ANOVA не указывает, какие именно группы различаются; используйте апостериорные тесты (Tukey HSD, Bonferroni, Scheffé) для попарных сравнений. Сообщите о размере эффекта (η², omega-squared), чтобы указать на практическую значимость: η² = SS_between / SS_total; примерно 0.01=малый, 0.06=средний, 0.14=большой. Omega-squared менее смещен для малых выборок. Незначимые p-значения указывают на недостаточность доказательств групповых различий; не следует заключать, что группы равны — отсутствие доказательств не является доказательством отсутствия.
Частые ошибки
- Проведение ANOVA без проверки предпосылок, особенно нормальности и однородности дисперсий; всегда анализируйте графики остатков.
- Выполнение множественных попарных t-тестов вместо ANOVA и последующих апостериорных тестов; увеличивает семейную ошибку I рода и снижает мощность.
- Неправильная интерпретация незначимой ANOVA как доказательства равенства групп; отсутствие значимости лишь указывает на недостаточность доказательств для отклонения нулевой гипотезы.
- Использование ANOVA для порядковых или категориальных данных зависимой переменной (вместо этого используйте хи-квадрат); ANOVA требует непрерывных зависимых переменных.
- Несообщение о размерах эффекта (эта-квадрат, омега-квадрат) наряду с p-значениями; статистическая значимость сама по себе не отражает практическую важность.
- Игнорирование неравных размеров групп в апостериорных сравнениях; некоторые тесты (например, Тьюки) предполагают равные n.
Часто задаваемые вопросы
В чем разница между однофакторным, двухфакторным ANOVA и ANOVA для повторных измерений?
Однофакторный ANOVA проверяет одну независимую переменную (фактор) с несколькими уровнями (например, три группы лечения). Двухфакторный ANOVA включает две независимые переменные и проверяет основные эффекты и их взаимодействие (например, эффекты лечения и пола на исход). ANOVA для повторных измерений применяется к внутрисубъектным дизайнам, где одни и те же испытуемые измеряются несколько раз (например, до, во время и после лечения); он учитывает корреляцию между повторными измерениями. Выбор зависит от дизайна исследования и исследовательских вопросов.
Когда следует использовать апостериорные тесты, и какой из них лучше?
Используйте апостериорные тесты только после значимого общего ANOVA для определения того, какие пары групп различаются. Tukey HSD (Honestly Significant Difference) является стандартом для равных размеров групп и запланированных попарных сравнений, контролируя семейную ошибку. Bonferroni является консервативным (более строгим, меньше ложных срабатываний) для небольшого числа сравнений. Scheffé наиболее гибок, позволяя выполнять сложные контрасты. Тест Даннетта лучше всего подходит для сравнения нескольких групп лечения с одной контрольной группой. Всегда указывайте апостериорные тесты заранее; выбор, основанный на данных, увеличивает ошибку I рода.
Как обрабатывать неравные размеры выборок между группами?
Неравные n не являются нарушением, если пропущенные данные отсутствуют полностью случайным образом (MCAR). Контроль ошибки I рода устойчив при неравных n. Однако апостериорные тесты предполагают равные размеры групп; используйте модифицированные критические значения или альтернативные тесты (например, Games-Howell) для корректировки неравных дисперсий и размеров выборок. Явно указывайте размеры групп. Если пропуски связаны с интересующими переменными, рассмотрите множественную импутацию или смешанные модели для надлежащей обработки пропущенных данных.
Что такое эта-квадрат (η²) и чем он отличается от омега-квадрата (ω²)?
Оба измеряют размер эффекта: долю общей дисперсии, объясняемую принадлежностью к группе. Эта-квадрат (η² = SS_between / SS_total) проще в расчете, но смещен в сторону завышения, особенно при малых выборках. Омега-квадрат (ω² = (SS_between − (k−1)MS_within) / (SS_total + MS_within)) корректирует это смещение и дает менее завышенную оценку размера эффекта в генеральной совокупности. Для публикации сообщайте омега-квадрате для точности. Примерные ориентиры: 0.01 = малый, 0.06 = средний, 0.14 = большой эффект.
Похожие методы
Источники
Fisher, R. A. (1925). Statistical Methods for Research Workers. Oliver and Boyd.
Открыть ссылку на публикациюСкопировано.Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621.
Открыть ссылку DOIСкопировано.