终于把统计学中的方差分析搞懂了！！

大家好，我是小寒

方差分析（ANOVA）是一种统计方法，用于比较三个或三个以上总体均值是否存在显著差异。

方差分析广泛应用于实验设计、医学研究、市场调研等领域。

核心原理

方差分析的核心思想是，将数据的总变异分解为组间变异和组内变异，然后通过比较这些变异来检验不同组的均值是否存在显著差异。

总变异：所有观测值与总体均值的偏差平方和。
组间变异：各组均值与总体均值的偏差平方和，反映不同组的差异。
组内变异：组内每个观测值与本组均值的偏差平方和，反映随机误差或个体差异。

如果组间变异显著大于组内变异，则说明不同组之间的均值差异显著，反之则说明没有显著差异。

假设你正在测试三种不同的施肥方案对农作物产量的影响。观测到的产量之所以会有波动，通常来自两个方面。

组间差异：因为使用了不同的肥料，这部分差异是我们关心的 “处理效应”。
组内差异：即使是同一种肥料，由于土壤微小差异、种子质量等不可控因素，产量也会有波动。这被称为“随机误差”。

如果组间差异显著大于组内随机误差，我们就有理由相信，不同的处理（肥料）确实产生了不同的效果。

数学公式

以最基础的单因素方差分析为例，假设我们有个组，总样本量为。

1.计算平方和

总平方和 (SST)
所有观测值与总均值之差的平方和。
组间平方和 (SSB)
各组均值与总均值之差的平方和（反映处理效应）。
组内平方和 (SSW)
各组内部观测值与其组均值之差的平方和（反映随机误差）。

数学上满足：。

2.计算均方

平方和会受到样本量的影响，因此我们需要除以各自的自由度 (df) 来得到 “平均方差”

组间自由度：
组内自由度：
组间均方：
组内均方：

3.计算 F 统计量

这是方差分析的判定指标

如果（各组均值相等）成立：组间均方主要来自随机误差，此时值会接近 1。
如果（至少两组均值不等）成立：组间均方会显著大于组内均方，导致值远大于 1。

方差分析的类型

方差分析有多种类型，常见的有

单因素方差分析：研究一个自变量对因变量的影响。比如，比较三种不同药物对血压的影响。
双因素方差分析：同时研究两个自变量的影响，并可以分析它们之间的交互作用。比如，研究 “肥料类型” 和 “灌溉量” 对玉米产量的共同影响。
重复测量方差分析：用于处理同一组样本在不同条件下的多次测量数据。比如，测试一种减肥药，分别记录同一批志愿者在“服药前”、“服药一个月后”和“服药三个月后”的体重。

案例分享

假设你是一名农艺师，想要研究三种不同的肥料对玉米产量的影响。

你随机选择了 30 块实验田，平均分为三组，每组 10 块，分别施用肥料 A、B 和 C。

自变量：肥料类型（Levels: A, B, C）。
因变量：每公顷玉米产量（单位：吨）。
研究问题：这三种肥料带来的平均产量是否存在显著差异？

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 1. 模拟实验数据
np.random.seed(42)
data = {
    'Fertilizer': ['肥料A']*10 + ['肥料B']*10 + ['肥料C']*10,
    'Yield': np.concatenate([
        np.random.normal(20, 2, 10),  # 均值20
        np.random.normal(26, 2, 10),  # 均值26
        np.random.normal(22, 2, 10)   # 均值22
    ])
}
df = pd.DataFrame(data)

# 2. 绘图：展示不同组别的均值差异与数据离散度
plt.figure(figsize=(8, 6))

# 使用箱线图展示中位数和四分位距
sns.boxplot(x='Fertilizer', y='Yield', data=df, palette='Pastel1', width=0.5)

# 叠加散点图展示每一个原始观测值，方便观察组内变异（随机误差）
sns.swarmplot(x='Fertilizer', y='Yield', data=df, color='black', alpha=0.6)

plt.title('单因素方差分析：不同肥料对玉米产量的影响', fontsize=14)
plt.xlabel('肥料类型', fontsize=12)
plt.ylabel('产量 (吨/公顷)', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.5)

plt.show()

最后

—

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。