【统计检验】方差分析（ANOVA）

统计检验核心：方差分析（ANOVA）｜原理+公式+Python可视化+实战

方差分析（ANOVA）是统计学中比较三组及以上均值差异 的最核心方法，本质是F检验的多组扩展，广泛用于实验分析、医学科研、营销效果评估、机器学习特征选择。

---

一、方差分析到底是什么？一句话看懂

当你要比较 3组、4组甚至更多组数据的均值是否有显著差异 时，不能反复做t检验（会增大错误率），必须用方差分析。

核心思想：
通过比较"组间波动"和"组内波动"的大小，判断均值差异是否真实存在。

---

二、最直观例子：三种营销策略哪个效果好？

你在咖啡店测试三种方案：

• A：折扣
• B：赠品
• C：免费试喝

你记录每日销量，想知道：
三组销量均值是否有显著差异？差异是策略导致的，还是随机运气？

方差分析就是干这件事的。

---

三、方差分析的两个关键概念

1. 组内变异（误差）

每组内部数据自己的波动，比如同样用"折扣"，每天销量不一样。

这是随机误差。

2. 组间变异（处理效应）

不同组均值之间的差异。

如果这部分远大于组内变异，说明策略真的有效果。

---

四、核心公式：方差分解（必须掌握）

总变异 = 组间变异 + 组内变异

1. 平方和分解

• 总平方和 SST
• 组间平方和 SSB
• 组内平方和 SSE

S S T = S S B + S S E SST = SSB + SSE SST=SSB+SSE

2. 均方（消除样本量影响）

M S B = S S B k − 1 （组间均方） MSB = \frac{SSB}{k-1} \quad（组间均方） MSB=k−1SSB（组间均方）
M S E = S S E N − k （组内均方） MSE = \frac{SSE}{N-k} \quad（组内均方） MSE=N−kSSE（组内均方）

• k：组数
• N：总样本量

3. F统计量（方差分析核心）

F = M S B M S E F = \frac{MSB}{MSE} F=MSEMSB

• F 显著大于 1 → 组间差异显著
• p < 0.05 → 拒绝原假设，认为至少有一组均值不同

---

五、方差分析的3个适用条件

1. 正态性：每组数据近似正态分布
2. 方差齐性：各组方差大致相等
3. 独立性：各组样本相互独立

---

六、方差分析的两类（最常用）

1. 单因素方差分析（One-way ANOVA）

只研究一个因素 ，比如：

只看"营销策略"对销量的影响。

2. 双因素方差分析（Two-way ANOVA）

研究两个因素 ，还能看交互作用 ，比如：

"营销策略 + 地区"对销量的共同影响。

---

七、Python 完整实现（可直接运行）

1. 生成模拟数据

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.stats import f_oneway

# 固定随机种子
np.random.seed(42)

# 生成3组数据（均值不同）
group_a = np.random.normal(loc=50, scale=5, size=30)
group_b = np.random.normal(loc=55, scale=5, size=30)
group_c = np.random.normal(loc=60, scale=5, size=30)

# 整理成DataFrame
data = pd.DataFrame({
    'value': np.concatenate([group_a, group_b, group_c]),
    'group': ['A']*30 + ['B']*30 + ['C']*30
})

2. 可视化1：箱线图（最直观）

plt.figure(figsize=(10, 5))
sns.boxplot(x='group', y='value', data=data, palette='Set2')
plt.title('三组数据分布对比（箱线图）', fontsize=14)
plt.grid(alpha=0.3)
plt.show()

3. 可视化2：均值±标准误图

group_mean = data.groupby('group')['value'].mean()
group_sem = data.groupby('group')['value'].sem()

plt.figure(figsize=(10, 5))
plt.bar(group_mean.index, group_mean, yerr=group_sem, 
        capsize=5, color=['skyblue','lightgreen','salmon'])
plt.title('三组均值与标准误', fontsize=14)
plt.ylabel('销量')
plt.grid(alpha=0.3, axis='y')
plt.show()

4. 单因素方差分析计算

# 方差分析
F_stat, p_value = f_oneway(group_a, group_b, group_c)

print(f"F 统计量: {F_stat:.2f}")
print(f"P 值: {p_value:.4f}")

if p_value < 0.05:
    print("结论：组间均值存在显著差异 ✅")
else:
    print("结论：组间均值无显著差异 ❌")

5. 双因素方差分析（含交互作用）

import statsmodels.api as sm
from statsmodels.formula.api import ols

# 增加地区因素
data['region'] = ['North']*45 + ['South']*45

# 构建模型：group + region + 交互项
model = ols('value ~ group + region + group:region', data=data).fit()
anova_table = sm.stats.anova_lm(model, typ=2)

print("==== 双因素方差分析表 ====")
print(anova_table)

---

八、结果怎么看？（超清晰指南）

• p < 0.05：组间差异显著
• F越大，说明组间差异越明显
• 显著后，需要做事后检验 （如Tukey）看具体哪两组不同

---

九、方差分析的高频用途（科研+工作必考）

1. 实验效果分析：药物、策略、教学方法对比
2. 医学统计：多种治疗方式差异
3. 机器学习特征选择：分类特征对连续目标的影响
4. A/B测试：3组以上方案对比
5. 农业/工业实验：多水平因素对比

---

十、最简单总结（背诵版）

• 方差分析 = 比较多组均值是否有差异
• 原理 = 组间方差 / 组内方差 → F值
• 看p值判断是否显著
• 单因素：一个因素
• 双因素：两个因素+交互作用
• 适用：3组及以上数据比较