Skip to content

Statistics › 推論統計 › ANOVA › 單因子

單因子變異數分析 (One-Way ANOVA) ​

一個類別因子、三組以上獨立組別、一個數值結果時,檢定各組平均數是否相等。

條件例子
數值結果血壓、表現量、帳單金額
一個類別因子,≥ 3 個水準藥物 A / B / C、星期幾
組別獨立每位受試者只出現在一組

只有兩組 → t 檢定即可(F = t²);同一受試者重複量測 → 重複量數 ANOVA。

為什麼不直接做很多 t 檢定? 3 組要做 3 次比較,偽陽性機率累積上升。ANOVA 先控制整體問題的型一錯誤。

假設與邏輯 ​

假設意義
H₀μ₁ = μ₂ = … = μₖ
H₁至少一個平均數不同

把總變異拆成兩部分:

SStotal⏟總變異=SSbetween⏟組平均離總平均多遠+SSwithin⏟組內資料多分散
ANOVA 表欄位意義
Source: Between / Factor組別能解釋的變異
Source: Within / Residual組內未解釋的變異
df自由度(組間 k−1;組內 N−k)
SS平方和 (sum of squares)
MS均方 = SS / df
FMS_between / MS_within

Python 範例 ​

python
import numpy as np
import scipy.stats as stats
import seaborn as sns
import statsmodels.api as sm
import statsmodels.formula.api as smf

tips = sns.load_dataset("tips")

# scipy:只回傳 F 與 p
groups = [g["total_bill"].to_numpy() for _, g in tips.groupby("day", observed=True)]
stats.f_oneway(*groups)

# statsmodels:完整 ANOVA 表
model = smf.ols("total_bill ~ C(day)", data=tips).fit()
anova = sm.stats.anova_lm(model, typ=2)

# 效果量 η² = SS_between / SS_total
eta2 = anova.loc["C(day)", "sum_sq"] / anova["sum_sq"].sum()

# 變異數不等時:Welch's ANOVA
import pingouin as pg
pg.welch_anova(data=tips, dv="total_bill", between="day")
η²解讀
0.01小
0.06中
0.14大

η² 回答「總變異有多少比例由組別解釋」,與顯著性是不同問題。小樣本時 η² 會高估,可改報 ω²,見 事後檢定與效果量。

解讀與下一步 ​

結果意義下一步
p < 0.05,變異數相近至少一組不同Tukey HSD
p < 0.05,變異數不等同上Welch's ANOVA + Games-Howell
p ≥ 0.05證據不足(不是證明相等)討論檢定力與不確定性
嚴重非常態 / Ordinal—Kruskal-Wallis

報告範本 ​

text
單因子 ANOVA 顯示平均帳單金額在不同星期有差異,
F(3, 240) = 3.45,p = .018,η² = .041。
Tukey 事後檢定顯示星期六高於星期四,其餘兩兩比較未達顯著。