變異成分分析
變異成分分析是一種統計技術,用於將資料集中觀察到的總變異分解為可區分、可識別的不同來源。它不只是度量總體上存在多少變異,而是將這些變異分解開來,準確告訴您各個來源——例如操作員、機器、批次或量測設備——對總量各貢獻了多少。
最後審閱
核心要點
變異成分分析是一種統計技術,用於將資料集中觀察到的總變異分解為可區分、可識別的不同來源。
什麼是變異成分分析?
變異成分分析是一種統計技術,用於將資料集中觀察到的總變異分解為可區分、可識別的不同來源。它不只是度量總體上存在多少變異,而是將這些變異分解開來,準確告訴您各個來源——例如操作員、機器、批次或量測設備——對總量各貢獻了多少。
這在製造和品質管理中尤為有價值,因為了解變異來自何處,是減少變異的第一步,也是最重要的一步。矯正錯誤的變異來源會浪費時間和資源;變異成分分析可確保您針對正確的來源採取措施。
簡單定義:一種將製程總變異拆分為各個貢獻來源的工具——告訴您哪個因子(機器、操作員、批次等)對資料總體離散程度的貢獻有多大。
何時使用變異成分分析?
- 當資料具有 巢狀或層次結構 時使用——例如零件巢狀在批次內,批次巢狀在班次內。
- 在決定改善工作的重點之前,需要 識別並排序製程變異的主要來源 時使用。
- 在 量測系統分析 中使用,以區分量測誤差與實際的零件間變異。
- 當研究中的因子是 隨機的而非固定的 時使用——即它們代表從更大的可能水準總體中抽取的樣本(例如隨機選取的操作員、隨機選取的批次)。
正確使用變異成分分析的指南
- 所有因子都必須是 隨機效應,變異成分才有意義——如果因子是固定的,請改用標準變異數分析。
- 反應變數必須是 連續型。
- 在執行分析之前,確保資料結構 被正確定義為巢狀或交叉 ——結構不正確會產生無效的變異數估計。
- 儘可能收集 平衡資料集 ——每組觀測值數量相等,可得到最穩定、最準確的變異數估計。
- 解讀各分量的 百分比貢獻 ——貢獻超過總變異 30% 的來源通常值得立即調查並採取行動。
替代方法:何時不宜使用變異成分分析
- 如果所有因子都是 固定效應(您有意選定的特定、預先確定的水準),請使用 ANOVA
- 如果您專門評估 量測系統,請使用 量具 R&R 研究 ——它專為量測系統評價而設計,輸出更具可操作性。
- 如果反應是 分類型或計數型,請使用 屬性一致性分析
- 如果只是 簡單的兩組比較 且沒有巢狀,請使用 等變異數檢定或 F 檢定
變異成分分析範例
一位醫學研究人員想研究各種因素對脈搏率的影響。研究人員記錄了 91 名本科生的身高、體重、性別、吸菸偏好、活動水準和靜息脈搏率,然後將學生隨機分為兩組。第一組原地跑步一分鐘,另一組靜止站立。隨後,研究人員再次記錄學生的脈搏率。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/。
- 要找到變異成分分析,請選擇 Statistical module> Anova>Variance Component Analysis。
- 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:

如何進行變異成分分析
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> Anova >Variance Component Analysis
- 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。
- 填寫所需選項。
- 最後,點選頁面底部的 calculate,即可得到所需結果。
變異成分分析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:
- Response: 選擇包含連續型量測資料的欄——即要將其總變異分解為各個來源的結果變數。這是必填欄位。反應必須是數值型連續變數,例如尺寸、重量、強度或任何可量測的品質特性。分析將分解該欄總離散程度中有多少可歸因於您指定的每個隨機因子。
- Random Factors: 選擇代表要量化的變異來源的欄——例如操作員、機器、批次或班次。使用 Ctrl 或 Command + 點選可選擇多個因子。這些必須是 隨機因子,即資料中的各水準代表從更大的可能水準總體中隨機抽取的樣本——例如從眾多操作員中隨機選出的 3 名操作員。分析估計這些因子各自對反應總變異貢獻了多少變異數。
- Confidence Level: 設定圍繞每個變異成分估計值計算的信賴區間的信賴程度。預設為 95%,即您有 95% 的把握認為每個因子的真實變異數貢獻落在所顯示的區間內。信賴水準越高,區間越寬,把握越大;水準越低,區間越窄。95% 的預設值是大多數統計和品質應用中通用的標準,推薦用於大多數研究。
常見問題
什麼是變異成分分析?
變異成分分析將資料集中的總變異分解為不同的來源,並顯示各個來源(如操作員、機器、批次或量測設備)對總量各貢獻了多少。瞭解變異來自何處是減少變異的第一步,這樣改善工作便能針對正確的來源。
何時應使用變異成分分析?
對於巢狀或層次資料(如班次內批次內的零件),用它來識別並排序製程變異的主要來源;在量測系統分析中,用它來區分量測誤差與零件間變異。因子應為隨機因子,代表從更大的可能水準總體中抽取的樣本。
隨機因子與固定因子有什麼區別?
隨機因子的各水準是從更大總體中隨機抽取的樣本,例如從眾多操作員中選出的 3 名操作員。固定因子則是有意選定的特定水準。變異成分只對隨機效應有意義;如果所有因子都是固定的,請改用標準變異數分析。
如何解讀變異成分的結果?
檢視每個分量對總變異的百分比貢獻。貢獻超過總變異 30% 的來源通常值得調查並採取行動。圍繞每個分量估計值的信賴區間顯示了該估計值的精確程度。
