「假设检验八讲」第6讲：方差分析——从多组比较到显著性分解
在前面几讲中，我们用 t检验 判断两组数据是否存在显著差异。
但现实问题往往不止两组：
不同教育水平的人收入是否不同？
三种广告方案哪一种效果最好？
四种肥料对作物产量的影响是否相同？
当比较对象超过两组时，t检验就不够用了。为了让多组比较仍能纳入“假设检验”的框架，统计学家提出了方差分析（Analysis of Variance, ANOVA）。
方差分析其实是显著性检验的一种扩展。它的逻辑仍然是“假设总体均值相等→计算统计量→判断是否拒绝原假设”。只不过，原来的t检验使用t分布，而方差分析使用F分布。
因此，方差分析依然属于假设检验的范畴，只是它解决的是多组均值比较的问题。
【一】 为什么“分析方差”，而不是“分析均值”？
“方差分析”这个名字常让学生觉得奇怪：
我们明明想比较平均数，为什么要分析方差？
原因很简单：
如果各组的平均值真的不同，那么整体数据的波动（方差）也会变大。
方差分析正是用“方差分解”的方式来看——数据的总变动，究竟是来自组间差异，还是仅仅源于组内随机波动。
方差分析的原假设与备择假设如下：
也就是说，我们假设所有总体均值相等（没有差异），再用样本数据去检验这一假设是否还能成立。
📊 打个比方：
你带三个班上同一门课。每班平均成绩分别是80、81、82分。虽然均值有差别，但如果每班学生成绩都上下浮动10分，这点差异可能只是随机的。反之，如果三个班内部成绩都非常稳定，而平均分差却很大，那差异就更可能“真实存在”。
🧩 历史小知识：方差分析是谁提出的？
方差分析（ANOVA）的创始人是罗纳德·艾尔默·费希尔（Ronald Aylmer Fisher）。他在20世纪20年代英国剑桥大学罗斯柴尔德农业试验站从事农业实验设计时，为了比较不同肥料、土壤和气候条件对作物产量的影响，发明了方差分析法（Analysis of Variance），并在1925年出版的经典著作 Statistical Methods for Research Workers 中首次系统提出。因此，F检验中的“F”正是以Fisher的名字命名。
方差分析不仅是一种统计检验方法，也奠定了现代实验设计（Design of Experiments）的基础。它让研究者能在有限样本下科学比较多种处理方式的效果，是实验统计学的重要里程碑。
【二】 案例1：三种教学方法的比较
假设你想比较三种教学方法（A、B、C）对学生成绩的影响。你随机选取90名学生，平均分成三组，分别采用三种教学法，结果如下：
| 组别 | 平均分 | 组内波动（标准差） |
|---|---|---|
| A组 | 82 | 9.5 |
| B组 | 85 | 8.7 |
| C组 | 91 | 8.9 |
看上去C组最高，但这差异可能只是偶然。于是我们计算：
-
组间差异（平均数之间的差）；
-
组内差异（每组学生自身的波动）。
如果组间方差 ÷ 组内方差 = F值 很大（例如F=6.7），
且对应的p值小于0.05，就说明至少有一组的成绩均值与其他组显著不同。
【三】 案例2：三种广告方案的比较
某企业测试三种广告投放方案（线上、线下、短视频），想看哪种带来的销售额提升最明显。结果显示三组销售增长率均值分别为：3.2%、3.6%、5.0%。组内差异较小，组间差异明显。方差分析计算得出F统计量为7.9，对应p=0.002。
结论是：在5%的显著性水平下，拒绝原假设，说明三种广告方式至少有一种效果不同。
进一步事后比较（Tukey法）发现：短视频广告显著优于前两种。
📌 启示：
方差分析告诉我们“有差别”，事后检验告诉我们“差别在哪”。
【四】 F分布与显著性判断
F检验的核心思想是：
在原假设成立时，组间方差与组内方差的比值应接近1；如果差距过大（F值远大于1），就意味着“组间差异显著”。
F统计量遵循右偏分布（F分布），自由度取决于组数（k−1）和样本总量（N−k）。我们查F表或用软件计算临界值即可判断。
【五】 单因素与多因素方差分析
1️⃣ 单因素方差分析（One-way ANOVA）
只考察一个分类变量（如教学方法）。
2️⃣ 双因素方差分析（Two-way ANOVA）
同时考察两个因素（如教学方法 × 性别）。它不仅分析各因素的独立影响（主效应），还可以检验二者是否存在交互作用（例如教学法对男生女生效果不同）。
📌 小贴士：
如果两个因素都有显著性，而交互项不显著，说明“各自有影响，但不会互相干扰”。
【六】 小结
方差分析看似复杂，其实逻辑非常直白：
它通过比较方差，来判断平均值是否存在显著差异。
它是t检验的延伸、假设检验的扩展，让我们能在多组样本之间进行统一的显著性判断。
一句话总结：
t检验回答“两组是否不同”，方差分析回答“多组是否有显著差异”。
📚【延伸阅读】
- Fisher, R.A. (1925). Statistical Methods for Research Workers.
思考题：
为什么方差分析检验的是“均值差异”，却以“方差”为工具？