高等数学 / 系统课时
单因素方差分析
单因素方差分析
单因素方差分析用于比较一个分类因素下三个或更多独立总体的均值。本课通过一组完整数据走完假设设定、平方和分解、 检验和结果表述,并说明显著之后还需要做什么。
学习目标
- 判断问题是否适合单因素方差分析
- 按步骤计算平方和、均方和 统计量
- 正确解释显著性结果及其边界
适用条件与检验假设
单因素方差分析只有一个分类自变量,例如教学方法、机器型号或促销方案;因变量应为数值型变量,各组样本相互独立。经典模型还要求各组总体近似正态且方差大致相等。
设共有 组,总体均值分别为 。检验假设为:
这里的备择假设不是“所有均值都不同”,也没有预先指出哪一组不同。
完整计算示例
比较三种教学方法的考试成绩,每组随机抽取 3 名学生:
| 方法 | 成绩 | 组均值 |
|---|---|---|
| A | 78,82,80 | 80.00 |
| B | 85,88,87 | 86.67 |
| C | 74,76,75 | 75.00 |
总样本量 ,总均值为:
组间平方和为:
组内平方和为:
自由度、均方和统计量依次为:
对应的方差分析表如下:
| 变异来源 | 平方和 | 自由度 | 均方 | F |
|---|---|---|---|---|
| 组间 | 205.56 | 2 | 102.78 | 42.05 |
| 组内 | 14.67 | 6 | 2.44 | |
| 总计 | 220.23 | 8 |

作出统计结论
在自由度 下, 对应的 值约为 。若显著性水平取 ,则 ,拒绝原假设。
规范表述可以写成:三种教学方法的平均成绩存在统计显著差异,,。这表示至少一种方法的总体平均成绩不同,但仅凭总体检验还不能断定 B 方法一定分别优于 A 和 C。
显著之后与前提不满足时
总体检验显著后,应使用 Tukey HSD 等事后比较定位具体差异,并报告均值差、置信区间和效应量。若研究开始前就只有少量明确比较,也可以使用预先设定的对比分析。
若方差齐性明显不成立,可考虑 Welch 单因素方差分析;若数据严重偏态、含强离群值且样本较小,可考虑稳健方法或 Kruskal-Wallis 检验。不能仅因正态性检验显著就机械放弃方差分析,应结合样本量、图形和偏离程度判断。
常见错误
- 把同一对象在多个时间点的重复测量当作独立样本。
- 总体检验显著后,直接进行多次普通 检验而不控制第一类错误率。
- 只报告 值,不报告各组均值、离散程度和效应大小。
- 将“不拒绝原假设”写成“证明所有总体均值完全相等”。
按自己的节奏,确认真正理解。