單變異數檢定
單變異數檢定,具體為單變異數卡方檢定,是一種用於將樣本變異數與已知總體變異數進行比較的統計檢定。它用於檢驗關於總體變異數的假設,前提是樣本來自常態分配的總體。
最後審閱
核心要點
單變異數檢定,具體為單變異數卡方檢定,是一種用於將樣本變異數與已知總體變異數進行比較的統計檢定。
什麼是單變異數檢定?
單變異數檢定,具體為單變異數卡方檢定,是一種用於將樣本變異數與已知總體變異數進行比較的統計檢定。它用於檢驗關於總體變異數的假設,前提是樣本來自常態分配的總體。虛無假設(H₀)認為總體變異數(σ²)等於指定值(σ₀²),而對立假設(H₁)認為變異數不同於該值。檢定統計量的計算式為 (n−1)*s^2/σ0^2,其中 s^2 為樣本變異數,σ0^2 為假設的總體變異數,n 為樣本數。該統計量服從自由度為 n−1 的卡方分配,由此可評估觀測到的變異數是否顯著偏離假設變異數。該檢定通常用於品質管制、風險管理和試驗研究,以評估觀測到的變異性是否符合理論預期或標準。
何時使用單變異數檢定?
- 評估變異數:需要判斷單一樣本的變異數是否與已知總體變異數存在顯著差異時。
- 卡方檢定:具體而言,使用單變異數卡方檢定時,在樣本來自常態分配總體的假設下,將樣本變異數與指定的總體變異數進行比較。
- 常態分配:假定資料服從常態分配時,因為該檢定依賴這一假設才能得到準確的結果。
- 品質管制:評估生產製程或產品的變異性是否符合預期標準或規格。
- 風險管理:評估財務回報、營運指標或其他指標的變異性是否與預先設定的風險水準或閾值一致。
- 試驗研究:檢定試驗資料中觀測到的變異性是否符合理論預測或期望值。
- 一致性檢定:對照已知標準或基準評估量測值或製程輸出的一致性時。
正確使用單變異數檢定的指南
- 隨機抽樣:確保樣本資料是隨機選取的,以便對總體作出有效的推廣。
- 資料分配:樣本資料不應嚴重偏斜。對於 Bonett 方法,即使資料僅為輕度偏斜,也建議樣本數大於 40。對於較小的樣本,應檢查偏度和異常觀測值,並謹慎對待來自重尾分配的資料。[注:僅當資料服從常態分配時才使用卡方方法,因為偏離常態會顯著影響結果。]
- 觀測值的獨立性:每個觀測值應與其他所有觀測值相互獨立。觀測值相互依賴會使結果無效。
- 適當的樣本數:確保樣本數足夠大,以獲得精確的估計值、較窄的信賴區間,以及對第一類錯誤和第二類錯誤的充分防護。
替代方法:何時不宜使用單變異數檢定
- 樣本數小:單變異數檢定需要一定的最小樣本數以保證檢定力。如果樣本數較小,該檢定可能不可靠,t 檢定 等替代檢定可能更合適。
單變異數檢定範例
一家木材場的經理正在評估鋸木廠切割長度應為 100 cm 的木梁的效率。為此,經理從鋸木廠抽取了 50 根木梁作為樣本並量測其長度。隨後,經理進行單變異數檢定,以判斷鋸木廠的標準差是否與 1 存在顯著差異。步驟如下:
- 收集所需資料。

- 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
- 要找到單變異數檢定,請選擇 Statistical module> Graphical analysis> One variance test。
- 在工具中輸入資料及其他輸入項,如下所示:

5. 使用上述工具後,得到如下輸出:

如何進行單變異數檢定
操作步驟如下:
- 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
- 在首頁選擇 Statistical Tool> Graphical analysis >One variance test
- 點選 One variance test,進入工具介面。
- 接下來,手動更新資料,或從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
- 接下來,需要輸入信賴水準和假設標準差的值。
- 最後,點選頁面底部的 calculate,即可得到所需結果。
單變異數檢定的工具介面分為兩部分。

左側為資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。可以手動輸入資料,也可以從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
Load example: 將載入範例資料。
Load File: 用於直接載入 Excel 資料。
右側提供以下選項:
- Confidence level: 在假設檢定中,信賴水準表示我們對統計分析所具有的確定程度或信心水準。它是一個機率值,表示真實總體參數落在指定取值範圍內的可能性。信賴水準通常以百分數表示,記為 (1 - α),其中 α 為顯著水準,即拒絕真實虛無假設的機率。例如,若信賴水準為 95%,則表示我們有 95% 的把握認為真實總體參數位於我們的區間估計之內,而犯第一類錯誤(拒絕真實的虛無假設)的可能性為 5%。從實際應用來看,信賴水準越高,表示我們對統計分析及其結果越有信心。然而,提高信賴水準也會增大信賴區間的寬度,使檢測小的效應更加困難。因此,信賴水準的選擇取決於研究的背景和研究者的目標。
- Hypothesized standard deviation: 假設標準差,也稱為假定標準差或已知標準差,是為進行假設檢定而假定為真的總體標準差的值。
- Alternative hypothesis: 在假設檢定中,對立假設(也稱為研究假設)是代表與虛無假設不同結論的陳述。虛無假設通常代表現狀,或者說兩個或多個組或變數之間沒有顯著差異或關係的假定。對立假設是被檢定的陳述,它認為所研究的組或變數之間存在顯著差異或關係。
- Download as Excel: 以 Excel 格式顯示結果,便於編輯,並可透過 load file 選項重新載入以進行計算。
常見問題
什麼是單變異數檢定?
單變異數檢定,具體為單變異數卡方檢定,將樣本變異數與已知或假設的總體變異數進行比較。虛無假設認為總體變異數等於指定值,對立假設認為二者不同。它用於品質管制、風險管理和試驗研究。
單變異數的卡方統計量如何計算?
檢定統計量為 (n - 1) 乘以樣本變異數 s²,再除以假設的總體變異數 σ0²,其中 n 為樣本數。該統計量服從自由度為 n - 1 的卡方分配,用於評估觀測到的變異數是否顯著偏離假設變異數。
單變異數檢定有哪些假設?
樣本應隨機選取,觀測值應相互獨立。僅當資料服從常態分配時才使用卡方方法,因為偏離常態會顯著影響結果。對於 Bonett 方法,即使資料僅為輕度偏斜,也建議樣本數大於 40;對於較小的樣本,應檢查偏度、異常觀測值和重尾。
何時應使用單變異數檢定?
當需要了解單一樣本的變異性是否不同於已知標準時使用,例如生產製程或量測系統是否像規格或基準要求的那樣一致。樣本應足夠大,以獲得精確的估計值、較窄的信賴區間,以及對第一類錯誤和第二類錯誤的防護。
