外觀
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 |
|---|---|
| H₀ | μ₁ = μ₂ = … = μₖ |
| H₁ | 至少一個平均數不同 |
把總變異拆成兩部分:
| 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 |
| F | MS_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。