Editverse 免费计算器
单因素方差分析计算器
同时比较三个或更多独立组的均值——包括 F 统计量、自由度、p 值和 Tukey HSD 事后检验。请参阅下方的公式和可复现的 R 命令，以及完整的解释指南。已在 R 4.3.3 版本中验证。
用简单的话
单因素方差分析 ( ANOVA ) 回答一个问题：三个或更多组的平均值是否不同，或者这些差异仅仅是偶然的？您只需输入每个组的数据，ANOVA 就会返回一个F 统计量和一个p 值，以判断是否存在组间差异。
如果整体检验结果显著，则可以使用 Tukey HSD 等事后检验来确定哪些组之间存在差异。建议使用方差分析 (ANOVA) 而不是进行多次t 检验，因为后者会增加假阳性率。对于只有两组数据的情况，可以使用 t 检验；对于偏态分布的数据，可以考虑使用 Kruskal-Wallis 检验。
何时使用单因素方差分析
单因素方差分析 (One-way ANOVA) 用于比较由单个分类因素定义的三个或更多独立组之间的连续性结果变量——例如，比较低剂量、中剂量和高剂量组之间的生物标志物。它检验的是所有组均值相等的全局零假设。
当结果变量为连续型、组间独立、组内结果变量近似服从正态分布，且各组方差大致相等（方差齐性）时，可以使用方差分析。显著的F值表明至少有一个组存在差异，但无法确定是哪个组——这需要进行事后检验，例如Tukey HSD检验，并预先选择多重比较校正方法。对于只有两个组的情况，t检验是等效且更简便的；对于明显不符合正态分布的数据，非参数检验更为合适。不确定方差分析是否适合您的研究设计？我们的交互式检验选择器将引导您完成选择。
预期结果：每条记录一行，标签：v1、v2……
在此处拖放 CSV 文件或点击选择。文件将在您的浏览器中解析：不会上传任何内容。
预期结果：每条记录一行，标签：v1、v2……
df <- stack(list({anova_groups})) summary(aov(values ~ ind, data = df))用户指南
何时使用：同时比较三个或更多独立组的均值。
假设条件：独立性；组内正态性；方差齐性。
常见错误。不要进行多次成对t检验：这会增加I类错误率。
示例
点击上方的“加载示例数据”，然后点击“运行分析”，即可查看包含图表、公式和解释的完整结果。
案例
- Fisher RA. 研究工作者的统计方法。1925年。
工作实例
示例 1 — 三剂（显著）
低剂量组（12、15、14、13）、中剂量组（18、20、17、19）和高剂量组（22、24、21、23）的结果值均随剂量增加而稳步上升。单因素方差分析（ANOVA）结果显示F值较大，p值较小（p < 0.001），拒绝了所有均值相等的原假设。Tukey HSD事后检验进一步分析了哪些剂量组之间存在差异——结果显示，所有三个剂量组之间均存在差异。
例 2 — 重叠组（不显著）
如果三个组的均值相近，且分布范围较广、重叠，则F统计量较小，p值较大（p > 0.05）。正确的结论是，没有证据表明各组均值之间存在任何差异——因此无需进行事后检验。
需要检验的假设
独立性。观察结果必须在组间和组内相互独立。对同一受试者进行重复测量时，需要使用重复测量方差分析或混合模型。
正态性。各组内的结果应近似服从正态分布；使用QQ图检查残差。方差分析对轻微的偏差具有较强的稳健性，尤其是在样本量较大且平衡的情况下。
方差齐性检验。各组方差应相似（用莱文检验进行验证）。如果方差差异显著，则使用韦尔奇方差分析，该方法不假设方差相等。
常见错误
进行多次t检验而不是方差分析
对每两组数据分别进行t 检验会增加 I 类错误率。应使用方差分析 (ANOVA) 进行全局检验，然后进行校正后的事后检验。
跳过事后修正
显著的方差分析结果并不能说明哪些组之间存在差异。应该使用 Tukey HSD 或其他内置多重比较控制的方法，而不是未经校正的成对检验。
忽略不等方差
如果组间方差差异显著，标准方差分析可能会产生误导。此时应改用韦尔奇方差分析。
仅报告 p 值
报告效应量（η² 或 ω²）时，请同时报告 F 值和 p 值，以便读者能够判断效应量的大小，而不仅仅是显著性。请参阅效应量计算器。
常見問題解答
方差分析和t检验有什么区别？
t 检验比较两组均值；ANOVA 将其推广到单次检验中比较三组或更多组，同时控制误差率。
Tukey HSD 是做什么的？
在进行显著的方差分析后，Tukey 诚实显著性差异检验会比较所有组对，同时控制家族误差率，告诉你哪些具体组对之间存在差异。
如果我的数据不正常怎么办？
对于明显不符合正态分布或有序分布的数据，Kruskal-Wallis 检验是单因素方差分析的非参数替代方法。
结果是否与 SPSS、R 和 Stata 的结果一致？
是的。该计算器使用与标准软件相同的 F 分布和平方和计算方法，并显示确切的 R 命令，以便您可以重现该命令。
案例
- Fisher RA。 科研人员统计方法爱丁堡：奥利弗和博伊德出版社；1925年。
- 阿姆斯特朗 RA。 何时使用 Bonferroni 校正。 眼科生理光学2014;34(5):502–508。PMID 24697967。
- Greenland S、Senn SJ、Rothman KJ 等人。 统计检验、P 值、置信区间和功效：误解指南。 欧洲流行病学杂志2016;31(4):337–350。PMID 27209009。