方差分量分析

方差分量分析是一种统计技术,用于将数据集中观察到的总变异分解为可区分、可识别的不同来源。它不只是度量总体上存在多少变异,而是将这些变异分解开来,准确告诉您各个来源——例如操作员、机器、批次或测量设备——对总量各贡献了多少。

最后审阅

核心要点

方差分量分析是一种统计技术,用于将数据集中观察到的总变异分解为可区分、可识别的不同来源。

本页内容
  1. 什么是方差分量分析?
  2. 何时使用方差分量分析?
  3. 正确使用方差分量分析的指南
  4. 替代方法:何时不宜使用方差分量分析
  5. 方差分量分析示例
  6. 如何进行方差分量分析

什么是方差分量分析?

方差分量分析是一种统计技术,用于将数据集中观察到的总变异分解为可区分、可识别的不同来源。它不只是度量总体上存在多少变异,而是将这些变异分解开来,准确告诉您各个来源——例如操作员、机器、批次或测量设备——对总量各贡献了多少。

这在制造和质量管理中尤为有价值,因为了解变异来自何处,是减少变异的第一步,也是最重要的一步。纠正错误的变异来源会浪费时间和资源;方差分量分析可确保您针对正确的来源采取措施。

简单定义:一种将过程总变异拆分为各个贡献来源的工具——告诉您哪个因子(机器、操作员、批次等)对数据总体离散程度的贡献有多大。

何时使用方差分量分析?

  • 当数据具有 嵌套或层次结构 时使用——例如零件嵌套在批次内,批次嵌套在班次内。
  • 在决定改进工作的重点之前,需要 识别并排序过程变异的主要来源 时使用。
  • 在 测量系统分析 中使用,以区分测量误差与实际的零件间变异。
  • 当研究中的因子是 随机的而非固定的 时使用——即它们代表从更大的可能水平总体中抽取的样本(例如随机选取的操作员、随机选取的批次)。

正确使用方差分量分析的指南

  • 所有因子都必须是 随机效应,方差分量才有意义——如果因子是固定的,请改用标准方差分析。
  • 响应变量必须是 连续型。
  • 在运行分析之前,确保数据结构 被正确定义为嵌套或交叉 ——结构不正确会产生无效的方差估计。
  • 尽可能收集 平衡数据集 ——每组观测值数量相等,可得到最稳定、最准确的方差估计。
  • 解读各分量的 百分比贡献 ——贡献超过总变异 30% 的来源通常值得立即调查并采取行动。

替代方法:何时不宜使用方差分量分析

  • 如果所有因子都是 固定效应(您有意选定的特定、预先确定的水平),请使用 ANOVA
  • 如果您专门评估 测量系统,请使用 量具 R&R 研究 ——它专为测量系统评价而设计,输出更具可操作性。
  • 如果响应是 分类型或计数型,请使用 属性一致性分析
  • 如果只是 简单的两组比较 且没有嵌套,请使用 等方差检验或 F 检验

方差分量分析示例

一位医学研究人员想研究各种因素对脉搏率的影响。研究人员记录了 91 名本科生的身高、体重、性别、吸烟偏好、活动水平和静息脉搏率,然后将学生随机分为两组。第一组原地跑步一分钟,另一组静止站立。随后,研究人员再次记录学生的脉搏率。步骤如下:

  1. 收集所需数据。
Variance Component Analysis — figure 1
  1. 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
  2.  要找到方差分量分析,请选择 Statistical module> Anova>Variance Component Analysis。
  3.  在工具中输入数据及其他输入项,如下所示:
Variance Component Analysis — figure 2

5. 使用上述工具后,得到如下输出:

Variance Component Analysis — figure 3

如何进行方差分量分析

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Anova >Variance Component Analysis
  3. 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。
  4. 填写所需选项。
  5. 最后,点击页面底部的 calculate,即可得到所需结果。

方差分量分析的工具界面分为两部分。

Variance Component Analysis — figure 4

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可以手动输入数据,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(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:

  • Response: 选择包含连续型测量数据的列——即要将其总变异分解为各个来源的结果变量。这是必填字段。响应必须是数值型连续变量,例如尺寸、重量、强度或任何可测量的质量特性。分析将分解该列总离散程度中有多少可归因于您指定的每个随机因子。
  • Random Factors: 选择代表要量化的变异来源的列——例如操作员、机器、批次或班次。使用 Ctrl 或 Command + 点击可选择多个因子。这些必须是 随机因子,即数据中的各水平代表从更大的可能水平总体中随机抽取的样本——例如从众多操作员中随机选出的 3 名操作员。分析估计这些因子各自对响应总变异贡献了多少方差。
  • Confidence Level: 设置围绕每个方差分量估计值计算的置信区间的置信程度。默认为 95%,即您有 95% 的把握认为每个因子的真实方差贡献落在所显示的区间内。置信水平越高,区间越宽,把握越大;水平越低,区间越窄。95% 的默认值是大多数统计和质量应用中通用的标准,推荐用于大多数研究。

常见问题

什么是方差分量分析?

方差分量分析将数据集中的总变异分解为不同的来源,并显示各个来源(如操作员、机器、批次或测量设备)对总量各贡献了多少。了解变异来自何处是减少变异的第一步,这样改进工作便能针对正确的来源。

何时应使用方差分量分析?

对于嵌套或层次数据(如班次内批次内的零件),用它来识别并排序过程变异的主要来源;在测量系统分析中,用它来区分测量误差与零件间变异。因子应为随机因子,代表从更大的可能水平总体中抽取的样本。

随机因子与固定因子有什么区别?

随机因子的各水平是从更大总体中随机抽取的样本,例如从众多操作员中选出的 3 名操作员。固定因子则是有意选定的特定水平。方差分量只对随机效应有意义;如果所有因子都是固定的,请改用标准方差分析。

如何解读方差分量的结果?

查看每个分量对总变异的百分比贡献。贡献超过总变异 30% 的来源通常值得调查并采取行动。围绕每个分量估计值的置信区间显示了该估计值的精确程度。