1. 方差分析到底在解决什么问题第一次接触方差分析的人十有八九会把它和t检验搞混。我刚开始做数据分析那会儿也一样觉得两组比均值用t检验那三组比均值多做几次t检验不就行了后来被现实狠狠教育了一顿——连续做了三次两两比较假阳性率直接从5%飙到了接近15%结论完全不可信。方差分析ANOVA存在的意义就是一次性判断三组及以上的均值是否存在显著差异同时把犯第一类错误的风险控制在设定水平内。它的核心思想其实很朴素把数据的总变异拆开看。一部分变异来自组与组之间的差异也就是处理因素带来的效应另一部分变异来自组内部个体之间的随机波动也就是误差。如果组间变异明显大于组内变异那我们有理由怀疑各组均值确实不一样。这个比值就是F统计量F越大越倾向于拒绝“所有组均值相等”的原假设。方差分析适合谁学做实验设计的研究人员、做A/B/C多版本测试的产品分析师、做用户分群对比的运营同学甚至做质量控制的工程人员都会用到它。它的门槛不高但坑不少尤其是事后多重比较和前提假设检验这两块很多人只跑了个F检验就下结论这是非常危险的。我写这篇东西就是想把这章内容从“教科书公式”变成“能直接上手操作”的流程。下面会从设计思路、核心细节、实操过程到问题排查一步步拆开讲尽量让零基础的人也能跟着走一遍。2. 方差分析的整体设计思路与方案选型2.1 为什么不是多次t检验而是一次性F检验假设你有四个组要比较如果两两做t检验需要做C(4,2)6次。每次检验的显著性水平是0.05那么至少犯一次第一类错误的概率是1-(0.95)^6≈0.265。也就是说你有超过四分之一的概率得出“至少有一对组均值不同”的错误结论。方差分析通过构造一个整体的F检验先把总错误率控制在0.05只有F检验显著了才进一步做事后比较这就是所谓的“先守门再细分”。这个逻辑在实操中非常重要。我见过不少人直接对六对组分别跑t检验然后挑显著的写进报告这种做法在审稿或评审时基本会被一票否决。正确的流程是先做方差分析如果F不显著就停在这里说明没有足够证据表明组间有差异如果F显著再进入事后多重比较并且要对比较次数做校正。2.2 单因素、双因素还是重复测量怎么选方差分析不是只有一种。最常见的分类是单因素方差分析只有一个自变量比如三种不同肥料对作物产量的影响。双因素方差分析两个自变量比如肥料种类和浇水频率还可以看交互作用。重复测量方差分析同一批对象在不同时间点被测量比如同一组用户在使用产品前、使用一周后、使用一个月后的满意度。选哪种取决于你的实验设计和数据结构。如果你每个组里的样本是独立的那就用单因素或双因素如果同一个人被测了多次那就必须用重复测量否则会违反独立性假设结果不可靠。我个人的经验是先画一张数据结构的草图行是观测对象列是变量标清楚哪些是组间因素哪些是组内因素。这张图能帮你避免选错模型。2.3 前提假设正态性、方差齐性、独立性方差分析有三个核心假设独立性各观测值之间相互独立。这个主要靠实验设计保证不是靠统计检验。正态性每个组内的数据近似服从正态分布。样本量较大时中心极限定理会帮忙但小样本必须检查。方差齐性各组方差大致相等。这个对方差分析的F检验影响很大尤其是组样本量不平衡时。我通常的做法是先用Shapiro-Wilk检验看正态性再用Levene检验看方差齐性。如果正态性不满足可以尝试数据变换比如对数变换如果方差齐性不满足可以用Welch ANOVA它不要求方差相等。注意正态性检验在样本量很大时容易显著这时候不要只看p值还要看Q-Q图和偏度峰度。样本量小的时候检验功效低也不一定能检出偏离所以图形判断永远比单纯看p值靠谱。2.4 事后比较方法的选择逻辑F检验显著只说明“至少有一组不同”但不知道是哪一组。这时候需要事后比较。常见方法有LSD最宽松不校正只适合事先计划好的比较探索性分析慎用。Bonferroni校正最严格比较次数多时功效低。Tukey HSD最常用适合所有两两比较控制族错误率。Scheffe最保守适合任意线性组合比较。Dunnett适合多个处理组和一个对照组比较。我一般默认用Tukey HSD因为它平衡了功效和错误率控制。如果只关心和对照组的比较就用Dunnett功效更高。3. 核心细节解析与实操要点3.1 平方和分解总变异到底怎么拆方差分析的灵魂是平方和分解。用公式表示SST SSA SSE其中SST是总平方和SSA是组间平方和SSE是组内平方和误差平方和。具体计算总平方和每个观测值减去总均值平方后求和。组间平方和每组均值减去总均值平方后乘以该组样本量再求和。组内平方和每个观测值减去其所在组均值平方后求和。自由度也要对应拆总自由度 N - 1组间自由度 k - 1k是组数组内自由度 N - k均方就是平方和除以自由度MSA SSA/(k-1)MSE SSE/(N-k)。F MSA / MSE。如果F值大于临界值或者p值小于0.05就拒绝原假设。这个计算过程看起来简单但手工算容易出错。我建议用Python或R下面会给出代码。3.2 效应量别只看p值p值告诉你“有没有差异”但不告诉你“差异有多大”。方差分析常用的效应量是η²eta squaredη² SSA / SST它表示组间变异占总变异的比例。一般来说0.01是小效应0.06是中效应0.14是大效应。我见过很多报告只写p0.05但不写效应量这在应用场景下信息量不足。比如你比较三种广告方案p0.04但η²0.02说明差异虽然显著但很微弱实际意义有限。还有一个偏η²partial eta squared在双因素方差分析中更常用因为它排除了其他因素的变异。3.3 交互作用双因素方差分析的关键双因素方差分析里除了两个主效应还有一个交互作用。交互作用的意思是一个因素的效果依赖于另一个因素的水平。举个例子肥料A在低浇水条件下增产明显但在高浇水条件下反而减产肥料B则相反。这时候交互作用显著你不能单独说“肥料A比肥料B好”因为结论取决于浇水条件。看交互作用最直观的方法是画交互作用图横轴是一个因素的水平纵轴是均值不同线代表另一个因素的水平。如果线平行交互作用弱如果线交叉或明显不平行交互作用强。注意交互作用显著时主效应的解释要非常小心。很多教材说“交互作用显著时主效应意义有限”这是对的。你应该做简单效应分析也就是固定一个因素的水平看另一个因素的效应。3.4 样本量不平衡时的处理实际数据经常出现各组样本量不等的情况。这时候方差分析的平方和分解会有两种方式Type I、Type II、Type III。Type I是顺序分解谁先进入模型谁先解释变异Type II不考虑交互作用Type III是边际分解最常用尤其是在有交互作用时。在R里car::Anova()默认用Type IIstats::anova()用Type I。在Python的statsmodels里anova_lm可以指定typ参数。我一般用Type III因为它对不平衡数据更稳健。但要注意Type III在样本量极度不平衡时也可能有问题。如果组间样本量差异太大比如一组只有5个另一组有50个那方差齐性假设很难满足这时候可以考虑Welch ANOVA或者非参数方法。4. 实操过程与核心环节实现4.1 数据准备与探索性分析假设我们有一个虚拟数据集研究三种不同训练方法对考试成绩的影响。数据如下import pandas as pd import numpy as np from scipy import stats import statsmodels.api as sm from statsmodels.formula.api import ols # 构造虚拟数据 np.random.seed(42) method_a np.random.normal(75, 8, 20) method_b np.random.normal(80, 8, 20) method_c np.random.normal(85, 8, 20) df pd.DataFrame({ score: np.concatenate([method_a, method_b, method_c]), method: [A]*20 [B]*20 [C]*20 }) print(df.groupby(method)[score].describe())先看描述统计均值、标准差、样本量。然后画箱线图直观看看分布和离群点。import matplotlib.pyplot as plt import seaborn as sns sns.boxplot(xmethod, yscore, datadf) plt.title(Score distribution by method) plt.show()箱线图能帮你快速发现异常值、偏态和方差差异。如果某个组的箱体明显比其他组长方差齐性可能有问题。4.2 前提假设检验正态性检验for method in [A, B, C]: stat, p stats.shapiro(df[df[method]method][score]) print(fMethod {method}: Shapiro-Wilk p {p:.4f})如果p0.05不拒绝正态性假设。但如前所述小样本时功效低最好结合Q-Q图。方差齐性检验stat, p stats.levene(df[df[method]A][score], df[df[method]B][score], df[df[method]C][score]) print(fLevene test p {p:.4f})如果p0.05认为方差齐性满足。4.3 单因素方差分析完整实现model ols(score ~ C(method), datadf).fit() anova_table sm.stats.anova_lm(model, typ3) print(anova_table)输出会包含sum_sq、df、F、PR(F)。如果PR(F)0.05拒绝原假设。效应量计算ssa anova_table[sum_sq][C(method)] sst anova_table[sum_sq].sum() eta_squared ssa / sst print(fEta squared {eta_squared:.4f})4.4 事后多重比较from statsmodels.stats.multicomp import pairwise_tukeyhsd tukey pairwise_tukeyhsd(endogdf[score], groupsdf[method], alpha0.05) print(tukey)输出会给出每对比较的均值差、p值和置信区间。如果p0.05说明这对组差异显著。4.5 双因素方差分析示例假设我们再加一个因素性别。数据构造np.random.seed(42) data [] for method in [A, B, C]: for gender in [M, F]: base {A:75, B:80, C:85}[method] effect 2 if genderF else 0 scores np.random.normal(base effect, 8, 10) for s in scores: data.append({score: s, method: method, gender: gender}) df2 pd.DataFrame(data) model2 ols(score ~ C(method) * C(gender), datadf2).fit() anova_table2 sm.stats.anova_lm(model2, typ3) print(anova_table2)这里C(method) * C(gender)表示包含两个主效应和交互作用。如果交互作用项p0.05说明交互作用显著需要做简单效应分析。4.6 重复测量方差分析思路重复测量方差分析在Python里用statsmodels比较麻烦通常用R的ezANOVA或afex包。如果非要用Python可以用pingouin库import pingouin as pg # 假设数据格式subject, time, score # pg.rm_anova(datadf_rm, dvscore, withintime, subjectsubject)重复测量要特别注意球形假设sphericity如果不满足需要用Greenhouse-Geisser校正。5. 常见问题与排查技巧实录5.1 方差不齐怎么办如果Levene检验显著说明方差齐性不满足。处理方法有数据变换对数变换、平方根变换、Box-Cox变换。Welch ANOVA不要求方差齐性Python里可以用pingouin.welch_anova()。非参数检验Kruskal-Wallis检验它不要求正态性和方差齐性但检验的是分布位置而非均值。我一般先尝试对数变换如果变换后Levene不显著了就用变换后的数据做方差分析。如果变换后还是不齐就用Welch ANOVA。5.2 正态性不满足怎么办数据变换同上。非参数检验Kruskal-Wallis。Bootstrap方法重采样构造经验分布不依赖正态假设。小样本时如果Q-Q图显示轻微偏离但其他假设满足方差分析通常还是稳健的。但如果偏离严重比如明显双峰或极端偏态那就必须换方法。5.3 事后比较结果和F检验矛盾有时候F检验显著但事后比较没有一对显著。这通常发生在样本量小功效低。差异分散在多对之间每对差异都不够大。多重比较校正过于严格。这时候可以看LSD不校正的结果作为参考但报告时要说清楚。或者增加样本量。反过来F检验不显著但事后比较有一对显著这种情况很少见但如果发生了通常是因为没有做多重比较校正。记住F检验不显著时不应该做事后比较。5.4 交互作用显著但主效应不显著这是双因素方差分析里常见的情况。比如肥料和浇水频率的交互作用显著但肥料主效应不显著。这意味着肥料的效果依赖于浇水频率单独看肥料的主效应没有意义。这时候应该做简单效应分析固定浇水频率的低水平看肥料效应再固定高水平看肥料效应。5.5 样本量需要多大方差分析的样本量估算取决于预期效应量η²或f显著性水平通常0.05功效通常0.80组数可以用G*Power或Python的statsmodels.stats.power计算。一般来说每组至少20-30个样本比较稳妥。如果效应量小需要更多样本。注意样本量估算应该在实验设计阶段做而不是做完实验再补。我见过不少人先收集数据再问“够不够”这时候已经晚了。5.6 常见问题速查表问题可能原因解决方法F检验显著但事后比较不显著多重比较校正过严尝试LSD或增加样本量方差不齐组间变异不同数据变换或Welch ANOVA正态性不满足数据偏态或离群值变换、非参数检验或Bootstrap交互作用显著因素间不独立简单效应分析样本量不平衡实验设计或数据缺失Type III平方和或Welch ANOVAp值刚好在0.05附近边缘显著报告效应量和置信区间不要只盯p值6. 实操心得与避坑经验6.1 先画图再跑模型我养成了一个习惯任何方差分析之前先画箱线图或小提琴图。图能告诉你很多检验告诉不了的东西比如离群值、双峰分布、方差不齐的趋势。有一次我跑完方差分析p0.048差点就写进报告了结果画图一看一组里有个极端离群值去掉之后p0.12。如果只看p值结论就完全反了。6.2 效应量比p值更重要p值受样本量影响很大样本量足够大时微不足道的差异也会显著。所以我现在报告结果时一定同时写效应量和置信区间。η²小于0.01的“显著”差异我一般会谨慎解释甚至认为没有实际意义。6.3 事后比较不要贪多有些人喜欢把所有事后比较方法都跑一遍然后挑显著的写。这是典型的p-hacking。正确做法是事先确定比较方法比如计划好的比较用LSD探索性的用Tukey。方法定了就不要改。6.4 交互作用图比p值更直观双因素方差分析里我强烈建议画交互作用图。有时候交互作用p0.06不显著但图上线明显交叉这时候可能是样本量不够交互作用存在但没检出。图能帮你判断是“真的没有交互”还是“功效不足”。6.5 重复测量别忽略球形假设重复测量方差分析里球形假设很容易被忽略。如果球形假设不满足F检验的p值会偏小容易假阳性。我一般直接用Greenhouse-Geisser校正后的p值保守一点总比犯错好。6.6 数据变换后要重新检验假设对数变换后要重新做正态性和方差齐性检验。变换不是万能的有时候变换后反而更差。如果变换后假设还是不满足那就换非参数方法别硬撑。6.7 报告要完整一个完整的方差分析报告应该包含描述统计、前提假设检验结果、F值、自由度、p值、效应量、事后比较结果如果F显著。缺任何一项读者都无法完整判断你的结论是否可靠。7. 从方差分析到更复杂的模型方差分析其实是线性模型的特例。当你理解了平方和分解和F检验再学线性回归、混合效应模型、协方差分析ANCOVA就会顺很多。ANCOVA就是在方差分析基础上加入连续协变量用来控制混杂因素。比如你比较三种训练方法但学生的初始成绩不同就可以把初始成绩作为协变量看校正后的组间差异。如果数据有嵌套结构比如学生嵌套在班级里那就需要混合效应模型。如果因变量是二分类的那就用逻辑回归。方差分析是这些方法的基石把这一章吃透后面会轻松很多。我个人在实际操作中的体会是方差分析看起来简单但真正用好需要经验。尤其是前提假设检验和事后比较这两块教科书往往一笔带过但实际数据里问题最多。多画图、多检查假设、多报告效应量这三条做到了结论的可靠性就有保障了。 
长河君 · 2026/10/14 17:50:05 · 阅读 1.2k 方差分析（ANOVA）完全指南：从原理到实操，避开多重比较与假设检验的坑
1. 方差分析到底在解决什么问题第一次接触方差分析的人十有八九会把它和t检验搞混。我刚开始做数据分析那会儿也一样觉得两组比均值用t检验那三组比均值多做几次t检验不就行了后来被现实狠狠教育了一顿——连续做了三次两两比较假阳性率直接从5%飙到了接近15%结论完全不可信。方差分析ANOVA存在的意义就是一次性判断三组及以上的均值是否存在显著差异同时把犯第一类错误的风险控制在设定水平内。它的核心思想其实很朴素把数据的总变异拆开看。一部分变异来自组与组之间的差异也就是处理因素带来的效应另一部分变异来自组内部个体之间的随机波动也就是误差。如果组间变异明显大于组内变异那我们有理由怀疑各组均值确实不一样。这个比值就是F统计量F越大越倾向于拒绝“所有组均值相等”的原假设。方差分析适合谁学做实验设计的研究人员、做A/B/C多版本测试的产品分析师、做用户分群对比的运营同学甚至做质量控制的工程人员都会用到它。它的门槛不高但坑不少尤其是事后多重比较和前提假设检验这两块很多人只跑了个F检验就下结论这是非常危险的。我写这篇东西就是想把这章内容从“教科书公式”变成“能直接上手操作”的流程。下面会从设计思路、核心细节、实操过程到问题排查一步步拆开讲尽量让零基础的人也能跟着走一遍。2. 方差分析的整体设计思路与方案选型2.1 为什么不是多次t检验而是一次性F检验假设你有四个组要比较如果两两做t检验需要做C(4,2)6次。每次检验的显著性水平是0.05那么至少犯一次第一类错误的概率是1-(0.95)^6≈0.265。也就是说你有超过四分之一的概率得出“至少有一对组均值不同”的错误结论。方差分析通过构造一个整体的F检验先把总错误率控制在0.05只有F检验显著了才进一步做事后比较这就是所谓的“先守门再细分”。这个逻辑在实操中非常重要。我见过不少人直接对六对组分别跑t检验然后挑显著的写进报告这种做法在审稿或评审时基本会被一票否决。正确的流程是先做方差分析如果F不显著就停在这里说明没有足够证据表明组间有差异如果F显著再进入事后多重比较并且要对比较次数做校正。2.2 单因素、双因素还是重复测量怎么选方差分析不是只有一种。最常见的分类是单因素方差分析只有一个自变量比如三种不同肥料对作物产量的影响。双因素方差分析两个自变量比如肥料种类和浇水频率还可以看交互作用。重复测量方差分析同一批对象在不同时间点被测量比如同一组用户在使用产品前、使用一周后、使用一个月后的满意度。选哪种取决于你的实验设计和数据结构。如果你每个组里的样本是独立的那就用单因素或双因素如果同一个人被测了多次那就必须用重复测量否则会违反独立性假设结果不可靠。我个人的经验是先画一张数据结构的草图行是观测对象列是变量标清楚哪些是组间因素哪些是组内因素。这张图能帮你避免选错模型。2.3 前提假设正态性、方差齐性、独立性方差分析有三个核心假设独立性各观测值之间相互独立。这个主要靠实验设计保证不是靠统计检验。正态性每个组内的数据近似服从正态分布。样本量较大时中心极限定理会帮忙但小样本必须检查。方差齐性各组方差大致相等。这个对方差分析的F检验影响很大尤其是组样本量不平衡时。我通常的做法是先用Shapiro-Wilk检验看正态性再用Levene检验看方差齐性。如果正态性不满足可以尝试数据变换比如对数变换如果方差齐性不满足可以用Welch ANOVA它不要求方差相等。注意正态性检验在样本量很大时容易显著这时候不要只看p值还要看Q-Q图和偏度峰度。样本量小的时候检验功效低也不一定能检出偏离所以图形判断永远比单纯看p值靠谱。2.4 事后比较方法的选择逻辑F检验显著只说明“至少有一组不同”但不知道是哪一组。这时候需要事后比较。常见方法有LSD最宽松不校正只适合事先计划好的比较探索性分析慎用。Bonferroni校正最严格比较次数多时功效低。Tukey HSD最常用适合所有两两比较控制族错误率。Scheffe最保守适合任意线性组合比较。Dunnett适合多个处理组和一个对照组比较。我一般默认用Tukey HSD因为它平衡了功效和错误率控制。如果只关心和对照组的比较就用Dunnett功效更高。3. 核心细节解析与实操要点3.1 平方和分解总变异到底怎么拆方差分析的灵魂是平方和分解。用公式表示SST SSA SSE其中SST是总平方和SSA是组间平方和SSE是组内平方和误差平方和。具体计算总平方和每个观测值减去总均值平方后求和。组间平方和每组均值减去总均值平方后乘以该组样本量再求和。组内平方和每个观测值减去其所在组均值平方后求和。自由度也要对应拆总自由度 N - 1组间自由度 k - 1k是组数组内自由度 N - k均方就是平方和除以自由度MSA SSA/(k-1)MSE SSE/(N-k)。F MSA / MSE。如果F值大于临界值或者p值小于0.05就拒绝原假设。这个计算过程看起来简单但手工算容易出错。我建议用Python或R下面会给出代码。3.2 效应量别只看p值p值告诉你“有没有差异”但不告诉你“差异有多大”。方差分析常用的效应量是η²eta squaredη² SSA / SST它表示组间变异占总变异的比例。一般来说0.01是小效应0.06是中效应0.14是大效应。我见过很多报告只写p0.05但不写效应量这在应用场景下信息量不足。比如你比较三种广告方案p0.04但η²0.02说明差异虽然显著但很微弱实际意义有限。还有一个偏η²partial eta squared在双因素方差分析中更常用因为它排除了其他因素的变异。3.3 交互作用双因素方差分析的关键双因素方差分析里除了两个主效应还有一个交互作用。交互作用的意思是一个因素的效果依赖于另一个因素的水平。举个例子肥料A在低浇水条件下增产明显但在高浇水条件下反而减产肥料B则相反。这时候交互作用显著你不能单独说“肥料A比肥料B好”因为结论取决于浇水条件。看交互作用最直观的方法是画交互作用图横轴是一个因素的水平纵轴是均值不同线代表另一个因素的水平。如果线平行交互作用弱如果线交叉或明显不平行交互作用强。注意交互作用显著时主效应的解释要非常小心。很多教材说“交互作用显著时主效应意义有限”这是对的。你应该做简单效应分析也就是固定一个因素的水平看另一个因素的效应。3.4 样本量不平衡时的处理实际数据经常出现各组样本量不等的情况。这时候方差分析的平方和分解会有两种方式Type I、Type II、Type III。Type I是顺序分解谁先进入模型谁先解释变异Type II不考虑交互作用Type III是边际分解最常用尤其是在有交互作用时。在R里car::Anova()默认用Type IIstats::anova()用Type I。在Python的statsmodels里anova_lm可以指定typ参数。我一般用Type III因为它对不平衡数据更稳健。但要注意Type III在样本量极度不平衡时也可能有问题。如果组间样本量差异太大比如一组只有5个另一组有50个那方差齐性假设很难满足这时候可以考虑Welch ANOVA或者非参数方法。4. 实操过程与核心环节实现4.1 数据准备与探索性分析假设我们有一个虚拟数据集研究三种不同训练方法对考试成绩的影响。数据如下import pandas as pd import numpy as np from scipy import stats import statsmodels.api as sm from statsmodels.formula.api import ols # 构造虚拟数据 np.random.seed(42) method_a np.random.normal(75, 8, 20) method_b np.random.normal(80, 8, 20) method_c np.random.normal(85, 8, 20) df pd.DataFrame({ score: np.concatenate([method_a, method_b, method_c]), method: [A]*20 [B]*20 [C]*20 }) print(df.groupby(method)[score].describe())先看描述统计均值、标准差、样本量。然后画箱线图直观看看分布和离群点。import matplotlib.pyplot as plt import seaborn as sns sns.boxplot(xmethod, yscore, datadf) plt.title(Score distribution by method) plt.show()箱线图能帮你快速发现异常值、偏态和方差差异。如果某个组的箱体明显比其他组长方差齐性可能有问题。4.2 前提假设检验正态性检验for method in [A, B, C]: stat, p stats.shapiro(df[df[method]method][score]) print(fMethod {method}: Shapiro-Wilk p {p:.4f})如果p0.05不拒绝正态性假设。但如前所述小样本时功效低最好结合Q-Q图。方差齐性检验stat, p stats.levene(df[df[method]A][score], df[df[method]B][score], df[df[method]C][score]) print(fLevene test p {p:.4f})如果p0.05认为方差齐性满足。4.3 单因素方差分析完整实现model ols(score ~ C(method), datadf).fit() anova_table sm.stats.anova_lm(model, typ3) print(anova_table)输出会包含sum_sq、df、F、PR(F)。如果PR(F)0.05拒绝原假设。效应量计算ssa anova_table[sum_sq][C(method)] sst anova_table[sum_sq].sum() eta_squared ssa / sst print(fEta squared {eta_squared:.4f})4.4 事后多重比较from statsmodels.stats.multicomp import pairwise_tukeyhsd tukey pairwise_tukeyhsd(endogdf[score], groupsdf[method], alpha0.05) print(tukey)输出会给出每对比较的均值差、p值和置信区间。如果p0.05说明这对组差异显著。4.5 双因素方差分析示例假设我们再加一个因素性别。数据构造np.random.seed(42) data [] for method in [A, B, C]: for gender in [M, F]: base {A:75, B:80, C:85}[method] effect 2 if genderF else 0 scores np.random.normal(base effect, 8, 10) for s in scores: data.append({score: s, method: method, gender: gender}) df2 pd.DataFrame(data) model2 ols(score ~ C(method) * C(gender), datadf2).fit() anova_table2 sm.stats.anova_lm(model2, typ3) print(anova_table2)这里C(method) * C(gender)表示包含两个主效应和交互作用。如果交互作用项p0.05说明交互作用显著需要做简单效应分析。4.6 重复测量方差分析思路重复测量方差分析在Python里用statsmodels比较麻烦通常用R的ezANOVA或afex包。如果非要用Python可以用pingouin库import pingouin as pg # 假设数据格式subject, time, score # pg.rm_anova(datadf_rm, dvscore, withintime, subjectsubject)重复测量要特别注意球形假设sphericity如果不满足需要用Greenhouse-Geisser校正。5. 常见问题与排查技巧实录5.1 方差不齐怎么办如果Levene检验显著说明方差齐性不满足。处理方法有数据变换对数变换、平方根变换、Box-Cox变换。Welch ANOVA不要求方差齐性Python里可以用pingouin.welch_anova()。非参数检验Kruskal-Wallis检验它不要求正态性和方差齐性但检验的是分布位置而非均值。我一般先尝试对数变换如果变换后Levene不显著了就用变换后的数据做方差分析。如果变换后还是不齐就用Welch ANOVA。5.2 正态性不满足怎么办数据变换同上。非参数检验Kruskal-Wallis。Bootstrap方法重采样构造经验分布不依赖正态假设。小样本时如果Q-Q图显示轻微偏离但其他假设满足方差分析通常还是稳健的。但如果偏离严重比如明显双峰或极端偏态那就必须换方法。5.3 事后比较结果和F检验矛盾有时候F检验显著但事后比较没有一对显著。这通常发生在样本量小功效低。差异分散在多对之间每对差异都不够大。多重比较校正过于严格。这时候可以看LSD不校正的结果作为参考但报告时要说清楚。或者增加样本量。反过来F检验不显著但事后比较有一对显著这种情况很少见但如果发生了通常是因为没有做多重比较校正。记住F检验不显著时不应该做事后比较。5.4 交互作用显著但主效应不显著这是双因素方差分析里常见的情况。比如肥料和浇水频率的交互作用显著但肥料主效应不显著。这意味着肥料的效果依赖于浇水频率单独看肥料的主效应没有意义。这时候应该做简单效应分析固定浇水频率的低水平看肥料效应再固定高水平看肥料效应。5.5 样本量需要多大方差分析的样本量估算取决于预期效应量η²或f显著性水平通常0.05功效通常0.80组数可以用G*Power或Python的statsmodels.stats.power计算。一般来说每组至少20-30个样本比较稳妥。如果效应量小需要更多样本。注意样本量估算应该在实验设计阶段做而不是做完实验再补。我见过不少人先收集数据再问“够不够”这时候已经晚了。5.6 常见问题速查表问题可能原因解决方法F检验显著但事后比较不显著多重比较校正过严尝试LSD或增加样本量方差不齐组间变异不同数据变换或Welch ANOVA正态性不满足数据偏态或离群值变换、非参数检验或Bootstrap交互作用显著因素间不独立简单效应分析样本量不平衡实验设计或数据缺失Type III平方和或Welch ANOVAp值刚好在0.05附近边缘显著报告效应量和置信区间不要只盯p值6. 实操心得与避坑经验6.1 先画图再跑模型我养成了一个习惯任何方差分析之前先画箱线图或小提琴图。图能告诉你很多检验告诉不了的东西比如离群值、双峰分布、方差不齐的趋势。有一次我跑完方差分析p0.048差点就写进报告了结果画图一看一组里有个极端离群值去掉之后p0.12。如果只看p值结论就完全反了。6.2 效应量比p值更重要p值受样本量影响很大样本量足够大时微不足道的差异也会显著。所以我现在报告结果时一定同时写效应量和置信区间。η²小于0.01的“显著”差异我一般会谨慎解释甚至认为没有实际意义。6.3 事后比较不要贪多有些人喜欢把所有事后比较方法都跑一遍然后挑显著的写。这是典型的p-hacking。正确做法是事先确定比较方法比如计划好的比较用LSD探索性的用Tukey。方法定了就不要改。6.4 交互作用图比p值更直观双因素方差分析里我强烈建议画交互作用图。有时候交互作用p0.06不显著但图上线明显交叉这时候可能是样本量不够交互作用存在但没检出。图能帮你判断是“真的没有交互”还是“功效不足”。6.5 重复测量别忽略球形假设重复测量方差分析里球形假设很容易被忽略。如果球形假设不满足F检验的p值会偏小容易假阳性。我一般直接用Greenhouse-Geisser校正后的p值保守一点总比犯错好。6.6 数据变换后要重新检验假设对数变换后要重新做正态性和方差齐性检验。变换不是万能的有时候变换后反而更差。如果变换后假设还是不满足那就换非参数方法别硬撑。6.7 报告要完整一个完整的方差分析报告应该包含描述统计、前提假设检验结果、F值、自由度、p值、效应量、事后比较结果如果F显著。缺任何一项读者都无法完整判断你的结论是否可靠。7. 从方差分析到更复杂的模型方差分析其实是线性模型的特例。当你理解了平方和分解和F检验再学线性回归、混合效应模型、协方差分析ANCOVA就会顺很多。ANCOVA就是在方差分析基础上加入连续协变量用来控制混杂因素。比如你比较三种训练方法但学生的初始成绩不同就可以把初始成绩作为协变量看校正后的组间差异。如果数据有嵌套结构比如学生嵌套在班级里那就需要混合效应模型。如果因变量是二分类的那就用逻辑回归。方差分析是这些方法的基石把这一章吃透后面会轻松很多。我个人在实际操作中的体会是方差分析看起来简单但真正用好需要经验。尤其是前提假设检验和事后比较这两块教科书往往一笔带过但实际数据里问题最多。多画图、多检查假设、多报告效应量这三条做到了结论的可靠性就有保障了。