單因素變異數分析

單因素變異數分析(ANOVA)是一種統計方法,用於判斷三個或更多獨立組的平均值之間是否存在顯著差異。它涉及一個自變數,透過比較各組平均值來評估因子的影響。

最後審閱

核心要點

單因素變異數分析(ANOVA)是一種統計方法,用於判斷三個或更多獨立組的平均值之間是否存在顯著差異。

本頁內容
  1. 什麼是單因素變異數分析?
  2. 何時使用單因素變異數分析?
  3. 正確使用單因素變異數分析的指南
  4. 替代方法:何時不宜使用單因素變異數分析
  5. 單因素變異數分析範例
  6. 如何進行單因素變異數分析

什麼是單因素變異數分析?

單因素變異數分析(ANOVA)是一種統計方法,用於判斷三個或更多獨立組的平均值之間是否存在顯著差異。它涉及一個自變數,透過比較各組平均值來評估因子的影響。該檢定針對虛無假設(所有組平均值相等)與對立假設(至少有一個組平均值不同)進行檢定。單因素變異數分析廣泛應用於心理學、教育和醫學等領域,結果以變異數分析表的形式呈現。

何時使用單因素變異數分析?

當您有一個連續的因變數和一個具有三個或更多水準的分類自變數時,適合使用該檢定。

  • 比較多個組:需要比較三個或更多獨立組的平均值,以判斷它們之間是否存在顯著差異時。
  • 單一因子的影響:研究關注單一因子(自變數)對因變數的影響時。
  • 試驗設計:採用試驗設計,受試物件被隨機分配到代表自變數不同水準的各組時。
  • 常態分配:各組中因變數的資料近似服從常態分配時。
  • 變異數齊性:假定各母體的變異數相等(變異數齊性)時。
  • 觀測值相互獨立:各組內的觀測值彼此獨立時。

使用單因素變異數分析的一些常見例子包括:

  • 比較參加不同類型課程(例如線上、線下與混合式)的學生的平均成績。
  • 分析三種或更多種不同藥物治療某種疾病的效果。
  • 比較公司內三個或更多個不同部門員工的平均薪資。

正確使用單因素變異數分析的指南

資料收集、分析和結果解釋的指南:

  • 僅納入一個分類變數作為固定因子;若有多個固定因子或隨機因子,請使用相應的模型。
  • 確保反應變數是連續的;對於分類反應,請使用專門的羅吉斯迴歸模型。
  • 樣本應來自常態母體,或具有足夠大的樣本數(>15 或 20),以保證分析的準確性。
  • 每個觀測值應相互獨立,以確保結果有效。
  • 收集能夠精確、準確地代表母體的資料,並按收集順序記錄。
  • 確保模型與資料配適良好,並使用診斷統計量和彙總統計量進行驗證。

替代方法:何時不宜使用單因素變異數分析

  • 如果有多個固定的分類因子,且它們全部為固定因子,請使用配適一般線性模型。
  • 如果存在隨機因子,請改用配適混合效應模型。
  • 如果希望直觀呈現連續預測變數與反應之間的關係,請使用配適線圖。
  • 當有多個預測變數時,請使用 配適迴歸模型。

單因素變異數分析範例

一位化學工程師打算評估四種不同塗料配方的硬度:將每種配方的六個樣品塗在金屬件上,固化後量測其硬度。為檢定平均值是否相同並考察各對平均值之間的差異,分析人員採用帶多重比較的單因素變異數分析。步驟如下:

  1. 收集所需資料。
Test for Equal Variances — figure 1
  1. 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
  2.  要找到單因素變異數分析,請選擇 Statistical module> Anova>One way anova.
  3.  在工具中,按如下方式輸入資料及其他輸入項:
Test for Equal Variances — figure 2

5. 使用上述工具後,得到的輸出如下:

One way ANOVA — figure 3One way ANOVA — figure 4One way ANOVA — figure 5One way ANOVA — figure 6One way ANOVA — figure 7

如何進行單因素變異數分析

操作步驟如下:

  1. 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
  2. 在首頁選擇 Statistical Tool> Anova >one way ANOVA。
  3. 點選 one way ANOVA,進入工具介面。
  4. 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。
  5. 接下來,需要填入信賴水準的值。
  6. 最後,點選頁面底部的 calculate,即可得到所需結果。

在單因素變異數分析的工具介面中,視窗分為兩個部分。

One way ANOVA — figure 8

左側是資料窗格(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: 在單因素變異數分析中,信賴水準是指統計分析所提供的確定程度。它是研究中觀察到的各組之間的差異並非由隨機偶然因素造成的機率。信賴水準通常以百分比表示,代表由樣本資料得到的結果能夠代表更大母體的確定程度。統計分析中常用的信賴水準為 95%。
  • Two sided confidence level: 在單因素變異數分析中使用雙側信賴區間,可同時估計平均值反應的下限和上限,給出可能包含真實母體平均值的一個取值範圍。該區間估計在樣本平均值上下兩個方向上反映各組之間的平均值差異,並具有指定的信賴水準。
  • Individual value plot: 個別值圖(IVP)是一種圖形工具,最適合小樣本數(少於 50 個觀測值),它顯示各個資料點,便於詳細考察分配、集中趨勢、變異性和離群值,也可有效地比較多個小樣本組的分配。
  • Interval plot: 區間圖也稱為平均值圖或信賴區間圖,在單因素變異數分析中用於評估和比較各組平均值的 95% 信賴區間。這種圖形表示將每組的平均值顯示為橫軸上的一個點或符號,縱軸表示所量測的變數。每個平均值上下的水平線或豎條表示信賴區間。該方法在每組樣本數至少為 20 時效果最佳,因為樣本數越大,信賴區間越小、越精確。在單因素變異數分析中,區間圖有助於判斷三個或更多組的平均值之間是否存在顯著差異。
  • Box plot: 盒鬚圖是資料的一種圖形表示,在單因素變異數分析中顯示變數在不同組內的分配。在單因素變異數分析中,我們比較連續變數在分類變數不同水準上的平均值。盒鬚圖顯示每組連續變數的分配,包括中位數、四分位距(IQR)和任何離群值。
  • Residual versus fit graph: 殘差對配適值圖,也稱為殘差圖,是單因素變異數分析中用於評估模型適合度的圖形工具。該圖以 y 軸表示殘差(即觀測值與預測值之差),以 x 軸表示預測值。
  • Residual versus order graph: 在單因素變異數分析中,殘差對順序圖是一種圖形工具,用於評估因子或自變數各水準上殘差變異數相等的假設。在該圖中,殘差(即觀測值與預測值之差)對觀測值的順序作圖,該順序可以就是資料點的先後次序,也可以是因子的水準。殘差應隨機地分配在零附近,並且不應隨著順序或因子水準的變化而呈現任何系統性的模式或趨勢。
  • Histogram: 直方圖是一組資料分配的圖形表示。在單因素變異數分析(ANOVA)中,直方圖常用於直觀呈現研究中每個組的因變數(即被分析的變數)的分配。
  • Probability plot: 機率圖也稱為分位數-分位數(Q-Q)圖,是統計分析中常用的圖形工具,用於評估一組資料是否服從某一特定分配。在單因素變異數分析(ANOVA)中,機率圖可用於評估 ANOVA 模型的殘差(觀測資料與模型預測值之差)是否滿足常態性假設。
  • Download as Excel: 以 Excel 格式顯示結果,該格式易於編輯,並可使用 load file 選項重新載入以進行計算。

常見問題

什麼是單因素變異數分析?

單因素變異數分析(ANOVA)是一種統計方法,用於判斷三個或更多獨立組的平均值之間是否存在顯著差異。它涉及一個分類自變數,針對虛無假設(所有組平均值相等)與對立假設(至少有一個組平均值不同)進行檢定。結果以變異數分析表的形式呈現。

單因素變異數分析的假設條件是什麼?

反應應為連續變數,並且只有一個具有三個或更多水準的分類因子。各組資料應近似服從常態分配,或樣本數足夠大(大於 15 或 20)。假定各組變異數相等,並且觀測值必須相互獨立。使用殘差對配適值圖和機率圖等診斷圖檢查模型配適情況。

什麼情況下不應使用單因素變異數分析?

如果有多個固定的分類因子,請使用配適一般線性模型;如果存在隨機因子,請使用配適混合效應模型。如果有多個預測變數,請使用配適迴歸模型;如需直觀呈現連續預測變數與反應的關係,請使用配適線圖。對於分類反應,請使用羅吉斯迴歸模型。

哪些圖形有助於解釋單因素變異數分析?

區間圖比較各組平均值的信賴區間,個別值圖在小樣本時顯示每個資料點,盒鬚圖顯示各組的中位數、四分位距和離群值。殘差圖(包括殘差對配適值圖、殘差對順序圖、直方圖和機率圖)用於檢查模型的假設。