雙變異數檢定

雙變異數假設檢定使用 F 分配(兩個樣本各有不同的自由度)比較兩個樣本變異數之比,以評估兩個獨立總體的變異數是否相等;其前提假設是各總體服從常態分配且相互獨立,常用於品質管制、金融和實驗研究,以評估製程的一致性和變異性。

最後審閱

核心要點

雙變異數假設檢定透過 F 分配比較兩個樣本變異數之比,評估兩個獨立總體的變異數是否相等。

本頁內容
  1. 什麼是雙變異數檢定?
  2. 何時使用雙變異數檢定?
  3. 正確使用雙變異數檢定的指南
  4. 替代方法:何時不宜使用雙變異數檢定
  5. 雙變異數檢定範例
  6. 如何進行雙變異數檢定

什麼是雙變異數檢定?

雙變異數假設檢定使用 F 分配(兩個樣本各有不同的自由度)比較兩個樣本變異數之比,以評估兩個獨立總體的變異數是否相等;其前提假設是各總體服從常態分配且相互獨立,常用於品質管制、金融和實驗研究,以評估製程的一致性和變異性。

何時使用雙變異數檢定?

雙樣本變異數檢定用於判斷兩個資料樣本的變異數是否相等。

  • 比較變異性:當需要判斷兩個獨立總體的變異性(變異數)是否存在顯著差異時。
  • 品質管制:用於比較兩個不同生產製程或批次的一致性和變異性。
  • 實驗研究:用於評估實驗條件或處理是否導致結果的變異程度不同。
  • 金融:用於比較兩個不同投資組合或金融工具的風險(收益的變異數)。
  • 滿足前提假設:
    • 常態分配:抽取樣本的總體必須服從常態分配。
    • 獨立性:兩個總體必須相互獨立。

當您想就變異數比較兩個總體或分組時,它很有用,例如在以下場景中:

  • 品質管制:製造企業可能希望比較兩條生產線的變異數,以確保它們生產的產品品質一致。
  • 臨床試驗:研究人員可能希望比較兩組患者的變異數,以判斷新療法對兩組是否有相似的效果。
  • 教育:教育工作者可能希望比較兩組學生考試成績的變異數,以瞭解其中一組是否比另一組更一致。
  • 財務分析:投資者可能希望比較兩個不同投資組合收益的變異數,以判斷其中一個是否比另一個波動更大。

正確使用雙變異數檢定的指南

  • 隨機抽樣:確保樣本資料是隨機選取的,以便對總體做出有效的推斷。
  • 資料分配:樣本資料不應嚴重偏斜,且樣本數應大於 20。若樣本數小於 20,請繪製資料圖,檢查偏度和異常觀測值。若資料嚴重偏斜或含有許多異常觀測值,解讀結果時應謹慎。
  • 觀測值的獨立性:每個觀測值應與所有其他觀測值相互獨立。相依的觀測值會使結果無效。
  • 適當的樣本數:確保樣本數足夠大,以提供精確的估計、較窄的信賴區間,以及對第一類錯誤和第二類錯誤的充分保護。

替代方法:何時不宜使用雙變異數檢定

  • 雙樣本變異數檢定用於比較兩個獨立樣本的變異數。若您的樣本是相依的,例如前後對照研究或配對設計,則可能需要使用其他檢定,例如 配對 t 檢定。

雙變異數檢定範例

一位醫療產業的顧問希望比較兩家醫院的患者滿意度評分。為此,顧問從每家醫院收集了 20 名患者的評分,並進行雙樣本變異數檢定,以判斷患者評分的標準差是否存在差異。步驟如下:

  1. 收集所需資料。
Two variance test — figure 1
  1.  現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
  2.  要找到雙變異數檢定,請選擇 Statistical module> Graphical analysis>Two variance test.
  3.  在工具中輸入資料以及其他輸入項,如下所示:
Two variance test — figure 2

5. 使用上述工具後,得到的輸出如下:

Two variance test — figure 3Two variance test — figure 4Two variance test — figure 5

如何進行雙變異數檢定

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 >Two variance test
  • 點選 Two 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比值。
  • 最後,點選頁面底部的 calculate,即可得到所需結果。

在雙變異數檢定的工具介面中,視窗分為兩個部分。

Two variance test — figure 6

左側為資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。資料可手動輸入,也可從 Excel 表格中完整複製(Ctrl+C)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賴程度。它是一個機率值,表示真實總體參數落在指定數值範圍內的可能性。通常,信賴水準以百分比表示,記作 (1 - α),其中 α 是顯著水準,即拒絕真實虛無假設的機率。例如,若信賴水準為 95%,則意味著我們有 95% 的把握認為真實總體參數位於我們的區間估計之內,同時有 5% 的可能性犯第一類錯誤(拒絕真實的虛無假設)。在實際應用中,較高的信賴水準意味著我們對統計分析和結果更有信心。然而,提高信賴水準也會增大信賴區間的寬度,使檢測較小的效應更加困難。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 ratio: 在雙變異數檢定中,假設比值是用於檢定兩個總體變異數相等這一虛無假設的值。它表示在虛無假設下兩個總體變異數的期望比值。
  • Alternative hypothesis: 在假設檢定中,對立假設(也稱研究假設)是表示與虛無假設不同結論的陳述。虛無假設通常代表現狀,或者認為兩個或多個分組或變數之間沒有顯著差異或關係的假定。對立假設則是被檢定的陳述,它提出所研究的分組或變數之間存在顯著差異或關係。
  • Summary plot: 彙總圖是一種綜合性的視覺化表示,以緊湊且資訊豐富的方式展示統計結果。在比較兩個或多個樣本之間的標準差或變異數的情形下。透過結合信賴區間、盒鬚圖和統計檢定結果,它提供了對資料清晰而全面的概覽。在所給的圖中,我們看到醫院 A 的變異性較小,估計也更精確,與醫院 B 相比,其標準差的信賴區間更窄。這些資訊對於識別需要關注的領域,以及基於資料統計分析做出明智決策至關重要。
  • Individual value plot: 個別值圖(IVP)是一種圖形工具,最適用於小樣本數(少於 50 個觀測值),它顯示各個資料點,以便詳細檢查分配、集中趨勢、變異性和離群值,同時也可有效地比較多個小組之間的分配。
  • Histogram: 在假設檢定中,直方圖是樣本資料分配的圖形表示。它是用於檢查資料形狀和特徵的視覺化工具。樣本數大於 20 時,直方圖效果最佳。直方圖的繪製方法是將資料劃分為一系列區間(即分箱),並統計落入每個分箱的資料點個數。分箱的寬度通常相等,直方圖中每根條形的高度表示落入該分箱的資料點的次數。
  • Box plot: 盒鬚圖,也稱箱須圖,是資料的圖形表示,顯示資料集的分配,包括其中位數、四分位數和任何離群值。在假設檢定中,盒鬚圖可用於直觀地將樣本的分配與已知或預期的分配(例如常態分配)進行比較。這有助於判斷樣本資料是否與預期存在顯著差異。盒鬚圖中的箱體表示資料中間的 50%,箱體的下邊緣表示第一四分位數(Q1),上邊緣表示第三四分位數(Q3),箱內的線表示中位數。須線從箱體延伸到資料集中的最小值和最大值(不含任何離群值),離群值則作為單獨的點繪製在須線之外。
  • Download as Excel: 以 Excel 格式顯示結果,可方便地編輯,並通過 load file 選項重新載入用於計算。

常見問題

什麼是雙變異數檢定?

雙變異數檢定使用 F 分配(兩個樣本各有各自的自由度)比較兩個樣本變異數之比,以評估兩個獨立總體的變異數是否相等。它用於品質管制、金融和實驗研究,以比較一致性和變異性。

雙變異數檢定有哪些前提假設?

總體應服從常態分配且相互獨立,樣本應隨機選取,每個觀測值應與所有其他觀測值相互獨立。樣本資料不應嚴重偏斜,且樣本數應大於 20;若樣本數更小,請繪製資料圖,檢查偏度和異常觀測值。

什麼情況下應使用雙變異數檢定?

用於判斷兩個獨立組在變異性上是否存在差異,例如比較兩條生產線或兩個批次的一致性、不同處理是否使結果產生不同的變異性,或兩個投資組合收益的波動性。對於相依樣本,如前後對照設計,則需要使用其他檢定。

雙變異數檢定中的假設比值是什麼?

假設比值是在虛無假設下兩個總體變異數的期望比值。檢定會檢查觀察到的樣本變異數之比是否與之相符;檢定變異數是否相等,對應的比值為 1。