Skip to content
返回搜索结果

方差分析 (ANOVA)

提出者
Ronald A. Fisher
年份
1925
类型
Method
类别
parametric-hypothesis-testing

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

ANOVA(Analysis of Variance,方差分析)是由Ronald A. Fisher于1925年开发的一种参数统计方法,用于检验三个或更多独立组的均值是否存在显著差异。通过将总方差分解为组间方差和组内方差两个组成部分,ANOVA能够判断观察到的差异是由于处理效应还是随机变异所致,因此它在医学、心理学、农业和工程学等领域的比较研究中至关重要。

方法背后的直觉

ANOVA将t检验(用于比较两组)扩展到多组,通过检查由组别归属解释的方差与未解释方差的比率来评估均值差异。如果各组的均值确实不同,则组间方差将远大于组内方差(随机误差)。F统计量量化了这一比率:大的F值表明真实的组间差异,而小的F值则表明各组相似。这一逻辑是许多实验设计和观察性组间比较的基础。

历史学

ANOVA是由Ronald A. Fisher于1925年在Rothamsted实验站分析农业田间试验时开发的,目的是检验不同肥料处理对作物产量的影响。他的创新之处在于将方差进行分解,并引入了F分布(以他命名),彻底改变了比较统计学。Kruskal和Wallis(1952)开发了其非参数等价方法(Kruskal-Wallis检验)。该方法在20世纪成为心理学、医学和社会科学的标准方法。现代的扩展包括重复测量ANOVA(Mauchly, 1940)、因子ANOVA(Yates, 1937)以及稳健变体(Welch's F, James-Stein估计量)。

何时使用

当比较三个或更多独立组在连续结局变量上的均值时,应使用ANOVA。常见场景包括:检验多种治疗方案的有效性(教育、医学),比较不同人口统计学类别(年龄组、地理区域)的结局,或评估随机试验中的多个干预组。当数据近似正态分布且各组方差大致相等时,ANOVA是理想选择。对于非正态数据,可考虑Kruskal-Wallis检验(非参数替代方法)。对于重复测量(同一受试者测量多次),应使用重复测量ANOVA。对于嵌套数据(如学校中的学生),应使用多层模型。

局限与注意事项

  • 假设残差服从正态分布;当效应量较大或组大小不均时,对偏离正态的敏感度较高。
  • 方差齐性假设:各组方差不相等会增加I类错误。Welch's F是更稳健的替代方法。
  • 整体检验(Omnibus test):显著的p值表明至少有两个均值不同,但未指明具体是哪几对;事后检验增加了复杂性和多重比较的惩罚。
  • 对异常值敏感:少数极端观测值会增大组内方差并降低统计功效。
  • 要求观测独立;如果数据存在聚类(例如,教室中的学生)而未进行适当调整,则会违反假设。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 在假设条件满足的情况下,能够有效检测出真实的组间差异;与多次t检验相比,其I类错误率更低。
  • 简洁性:在一个模型中检验整体的组效应,而非进行多次成对比较。
  • 提供效应量(eta-squared),量化了组间差异相对于总变异的幅度。
  • 在统计软件中广泛可用;在跨学科研究中是标准做法;结果易于沟通。
  • 可扩展性:是因子ANOVA(多个因子)、多变量方差分析(MANOVA)、重复测量设计和混合模型的基础。

应用

  • 临床试验:比较多种药物剂量或竞争性治疗方案对患者结局(例如,三种治疗组的疼痛减轻程度)的疗效。
  • 教育研究:检验学生成绩是否因教学方法、学校类型或社会经济背景而异。
  • 农业与环境科学:分析不同田间条件、肥料类型或地理区域的作物产量、生长速率或污染物水平。
  • 制造与质量控制:评估产品质量指标是否因生产线、批次或供应商而异。
  • 心理学与神经科学:比较不同实验条件或诊断组的认知表现、神经激活或行为测量。

使用方式

使用方式

1

当您有一个连续的结局变量和一个或多个分类分组变量(因子)时,应使用ANOVA。数据收集要求来自每个组的独立观测值和足够大的样本量(通常每组5-10+个)。参与者应通过实验(随机分配)或观察(自然分组)分配到各组。记录所有参与者的结局得分。在进行分析前,请检查以下假设:(1) 观测的独立性(无聚类或重复测量污染),(2) 各组内残差的正态性(检查Q-Q图或运行Shapiro-Wilk检验),(3) 各组方差的齐性(Levene检验;p > 0.05表明方差相等)。

2

通过将总平方和(SS_total)分解为组间平方和(SS_between)和组内平方和(SS_within)来计算ANOVA的F统计量。计算步骤包括:(1) 总平均值(所有观测值的整体平均值),(2) SS_between = Σ n_i(M_i − M_grand)²,其中n_i是组大小,M_i是组平均值,(3) SS_within = Σ Σ (x_ij − M_i)²,对各组和各观测值求和,(4) 组间均方(MS_between)= SS_between / (k − 1),其中k是组数,(5) 组内均方(MS_within)= SS_within / (N − k),其中N是总样本量,(6) F统计量 = MS_between / MS_within。在零假设下,F值遵循具有(k−1)和(N−k)自由度的F分布。

3

将计算出的F值与F分布表中的临界值进行比较,或使用软件获取p值。如果p < α(通常为0.05),则拒绝零假设:至少有两个组存在显著差异。ANOVA本身不指明哪些组存在差异;需要使用事后检验(Tukey HSD, Bonferroni, Scheffé)进行成对比较。报告效应量(η², omega-squared)以表明实际显著性:η² = SS_between / SS_total;大致为0.01=小,0.06=中,0.14=大。Omega-squared对于小样本偏差较小。不显著的p值表明没有足够的证据证明组间存在差异;不要断定各组相等——缺乏证据不等于证据的缺失。

常见陷阱

  • 在未检查假设(尤其是正态性和方差齐性)的情况下进行ANOVA;务必检查残差图。
  • 执行多次成对t检验而非ANOVA及事后检验;这会增加家族式I类错误的概率并浪费统计功效。
  • 错误地将ANOVA不显著解释为各组相等的证据;不显著仅表示没有足够的证据拒绝零假设。
  • 对有序或分类结局数据使用ANOVA(应使用卡方检验);ANOVA要求连续结局变量。
  • 未报告效应量(eta-squared, omega-squared)与p值一同报告;仅有统计显著性并不能说明实际重要性。
  • 在事后比较中忽略不相等的组大小;某些检验(如Tukey)假设组大小相等。

常见问题

单因素方差分析、双因素方差分析和重复测量方差分析之间有什么区别?

单因素ANOVA检验一个具有多个水平的独立变量(因子)(例如,三个治疗组)。双因素ANOVA包含两个独立变量,并检验主效应及其交互作用(例如,治疗和性别对结局的影响)。重复测量ANOVA适用于被试内设计,其中同一受试者被测量多次(例如,治疗前、中、后);它考虑了重复测量之间的相关性。选择取决于研究设计和研究问题。

何时应使用事后检验,哪种最好?

仅在整体ANOVA显著后使用事后检验来确定哪些组对存在差异。Tukey HSD(诚实显著性差异)适用于组大小相等且进行预定成对比较的情况,并控制家族式错误。Bonferroni检验对于少量比较来说较为保守(更严格,假阳性更少)。Scheffé检验最为灵活,允许进行复杂的对比。Dunnett检验最适合将多个治疗组与单个对照组进行比较。务必提前指定事后检验;数据驱动的选择会增加I类错误。

如何处理各组样本量不相等的情况?

如果缺失数据是完全随机缺失(MCAR),样本量不相等并非违规。在样本量不相等的情况下,I类错误控制是稳健的。然而,事后检验假设组大小相等;使用修正的临界值或替代检验(例如,Games-Howell)来调整方差和样本量不相等的情况。明确报告各组的大小。如果缺失与研究变量相关,应考虑使用多重插补或混合模型来妥善处理缺失数据。

什么是eta-squared (η²)?它与omega-squared (ω²)有何不同?

两者都衡量效应量:由组别归属解释的总方差比例。Eta-squared (η² = SS_between / SS_total) 计算更简便,但存在向上偏差,尤其是在小样本中。Omega-squared (ω² = (SS_between − (k−1)MS_within) / (SS_total + MS_within)) 修正了这种偏差,并提供了对总体效应量更少夸大的估计。为保证准确性,出版时应报告omega-squared。大致基准:0.01=小,0.06=中,0.14=大效应。

相关方法

参考文献

  1. Fisher, R. A. (1925). Statistical Methods for Research Workers. Oliver and Boyd.

    打开出版物文献
    已复制。
  2. 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.

    打开 DOI 文献
    已复制。