双方差检验

双方差假设检验使用 F 分布(两个样本各有不同的自由度)比较两个样本方差之比,以评估两个独立总体的方差是否相等;其前提假设是各总体服从正态分布且相互独立,常用于质量控制、金融和实验研究,以评估过程的一致性和变异性。

最后审阅

核心要点

双方差假设检验通过 F 分布比较两个样本方差之比,评估两个独立总体的方差是否相等。

本页内容
  1. 什么是双方差检验?
  2. 何时使用双方差检验?
  3. 正确使用双方差检验的指南
  4. 替代方法:何时不宜使用双方差检验
  5. 双方差检验示例
  6. 如何进行双方差检验

什么是双方差检验?

双方差假设检验使用 F 分布(两个样本各有不同的自由度)比较两个样本方差之比,以评估两个独立总体的方差是否相等;其前提假设是各总体服从正态分布且相互独立,常用于质量控制、金融和实验研究,以评估过程的一致性和变异性。

何时使用双方差检验?

双样本方差检验用于判断两个数据样本的方差是否相等。

  • 比较变异性:当需要判断两个独立总体的变异性(方差)是否存在显著差异时。
  • 质量控制:用于比较两个不同生产过程或批次的一致性和变异性。
  • 实验研究:用于评估实验条件或处理是否导致结果的变异程度不同。
  • 金融:用于比较两个不同投资组合或金融工具的风险(收益的方差)。
  • 满足前提假设:
    • 正态分布:抽取样本的总体必须服从正态分布。
    • 独立性:两个总体必须相互独立。

当您想就方差比较两个总体或分组时,它很有用,例如在以下场景中:

  • 质量控制:制造企业可能希望比较两条生产线的方差,以确保它们生产的产品质量一致。
  • 临床试验:研究人员可能希望比较两组患者的方差,以判断新疗法对两组是否有相似的效果。
  • 教育:教育工作者可能希望比较两组学生考试成绩的方差,以了解其中一组是否比另一组更一致。
  • 财务分析:投资者可能希望比较两个不同投资组合收益的方差,以判断其中一个是否比另一个波动更大。

正确使用双方差检验的指南

  • 随机抽样:确保样本数据是随机选取的,以便对总体做出有效的推断。
  • 数据分布:样本数据不应严重偏斜,且样本量应大于 20。若样本量小于 20,请绘制数据图,检查偏度和异常观测值。若数据严重偏斜或含有许多异常观测值,解读结果时应谨慎。
  • 观测值的独立性:每个观测值应与所有其他观测值相互独立。相依的观测值会使结果无效。
  • 适当的样本量:确保样本量足够大,以提供精确的估计、较窄的置信区间,以及对第一类错误和第二类错误的充分保护。

替代方法:何时不宜使用双方差检验

  • 双样本方差检验用于比较两个独立样本的方差。若您的样本是相依的,例如前后对照研究或配对设计,则可能需要使用其他检验,例如 配对 t 检验。

双方差检验示例

一位医疗行业的顾问希望比较两家医院的患者满意度评分。为此,顾问从每家医院收集了 20 名患者的评分,并进行双样本方差检验,以判断患者评分的标准差是否存在差异。步骤如下:

  1. 收集所需数据。
Two variance test — figure 1
  1.  现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
  2.  要找到双方差检验,请选择 Statistical module> Graphical analysis>Two variance test.
  3.  在工具中输入数据以及其他输入项,如下所示:
Two variance test — figure 2

5. 使用上述工具后,得到的输出如下:

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

如何进行双方差检验

操作步骤如下:

  • 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  • 在首页选择 Statistical Tool> Graphical analysis >Two variance test
  • 点击 Two variance test,进入工具界面。
  • 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
  • 接下来,需要输入置信水平和假设比值。
  • 最后,点击页面底部的 calculate,即可得到所需结果。

在双方差检验的工具界面中,窗口分为两个部分。

Two variance test — figure 6

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。数据可手动输入,也可从 Excel 表格中完整复制(Ctrl+C)并粘贴(Ctrl+V)到此处。

Load example: 将加载示例数据。

Load File: 用于直接加载 Excel 数据。

右侧提供以下选项:

  • Confidence level: 在假设检验中,置信水平表示我们对统计分析所具有的确定程度或置信程度。它是一个概率值,表示真实总体参数落在指定数值范围内的可能性。通常,置信水平以百分比表示,记作 (1 - α),其中 α 是显著性水平,即拒绝真实原假设的概率。例如,若置信水平为 95%,则意味着我们有 95% 的把握认为真实总体参数位于我们的区间估计之内,同时有 5% 的可能性犯第一类错误(拒绝真实的原假设)。在实际应用中,较高的置信水平意味着我们对统计分析和结果更有信心。然而,提高置信水平也会增大置信区间的宽度,使检测较小的效应更加困难。因此,置信水平的选择取决于研究的背景和研究者的目标。
  • Hypothesized ratio: 在双方差检验中,假设比值是用于检验两个总体方差相等这一原假设的值。它表示在原假设下两个总体方差的期望比值。
  • Alternative hypothesis: 在假设检验中,备择假设(也称研究假设)是表示与原假设不同结论的陈述。原假设通常代表现状,或者认为两个或多个分组或变量之间没有显著差异或关系的假定。备择假设则是被检验的陈述,它提出所研究的分组或变量之间存在显著差异或关系。
  • Summary plot: 汇总图是一种综合性的可视化表示,以紧凑且信息丰富的方式展示统计结果。在比较两个或多个样本之间的标准差或方差的情形下。通过结合置信区间、箱线图和统计检验结果,它提供了对数据清晰而全面的概览。在所给的图中,我们看到医院 A 的变异性较小,估计也更精确,与医院 B 相比,其标准差的置信区间更窄。这些信息对于识别需要关注的领域,以及基于数据统计分析做出明智决策至关重要。
  • Individual value plot: 单值图(IVP)是一种图形工具,最适用于小样本量(少于 50 个观测值),它显示各个数据点,以便详细检查分布、集中趋势、变异性和异常值,同时也可有效地比较多个小组之间的分布。
  • Histogram: 在假设检验中,直方图是样本数据分布的图形表示。它是用于检查数据形状和特征的可视化工具。样本量大于 20 时,直方图效果最佳。直方图的绘制方法是将数据划分为一系列区间(即分箱),并统计落入每个分箱的数据点个数。分箱的宽度通常相等,直方图中每根条形的高度表示落入该分箱的数据点的频数。
  • Box plot: 箱线图,也称箱须图,是数据的图形表示,显示数据集的分布,包括其中位数、四分位数和任何异常值。在假设检验中,箱线图可用于直观地将样本的分布与已知或预期的分布(例如正态分布)进行比较。这有助于判断样本数据是否与预期存在显著差异。箱线图中的箱体表示数据中间的 50%,箱体的下边缘表示第一四分位数(Q1),上边缘表示第三四分位数(Q3),箱内的线表示中位数。须线从箱体延伸到数据集中的最小值和最大值(不含任何异常值),异常值则作为单独的点绘制在须线之外。
  • Download as Excel: 以 Excel 格式显示结果,可方便地编辑,并通过 load file 选项重新加载用于计算。

常见问题

什么是双方差检验?

双方差检验使用 F 分布(两个样本各有各自的自由度)比较两个样本方差之比,以评估两个独立总体的方差是否相等。它用于质量控制、金融和实验研究,以比较一致性和变异性。

双方差检验有哪些前提假设?

总体应服从正态分布且相互独立,样本应随机选取,每个观测值应与所有其他观测值相互独立。样本数据不应严重偏斜,且样本量应大于 20;若样本量更小,请绘制数据图,检查偏度和异常观测值。

什么情况下应使用双方差检验?

用于判断两个独立组在变异性上是否存在差异,例如比较两条生产线或两个批次的一致性、不同处理是否使结果产生不同的变异性,或两个投资组合收益的波动性。对于相依样本,如前后对照设计,则需要使用其他检验。

双方差检验中的假设比值是什么?

假设比值是在原假设下两个总体方差的期望比值。检验会检查观察到的样本方差之比是否与之相符;检验方差是否相等,对应的比值为 1。