九、單因子變異數分析

9. One-way Analysis of Variance

使用時機與使用限制
 檢定 3 組或 3 組以上的母體平均數是否相等
 假設
 常態性假設 (Normality) ：
假設 K 個母體分布均為常態分布
 同質性假設 (Homogeneity) ：
假設 K 個常態母體分布之變異數均相等
 獨立性假設 (Independence) ：
假設 K 個常態母體分布互相均獨立
 這些假設理論上都可利用原始數據一一加以
檢定。

2
變異數分析的虛無假設與對立
假設

 H0: μ1 = μ2 = ... = μk , i = 1, 2, …, k
 H1: μi≠μj ,i≠j
 H1: 至少有一組的母體平均數與其他組不相
同

3
樣本變異數分析
 因子引起的變異 ( 組間 )

SSBetween  i 1 ni x i  x
k

2

 因子變異數
 MSB=SSB/(k-1)
 隨機變異 ( 組內 )
SSwithin  i 1  j 1 ( xij  x i )  i 1 (ni  1) si2
k ni 2 k

 隨機變異數
 MSE=SSwithin/(n-k)

4
決策
 F=MSB/MSE ~F(k-1, n-k)
 F> F(k-1, n-k, α) 拒絕 H0
 F<= F(k-1, n-k, α) 接受 H0

5
單因子變異數分析表
變異來源 平方和 (SS) 自由度 (DF) 平均平方和 F
(MS)

因子 ( 組間 ) SSBetween k-1 MSF= MSF/MSE

SSF/(k-1)

隨機 ( 組內 ) SSwithin N-k MSE=

SSE/(n-k)

總和 SST N-1

6
單因子變異數分析表

 SST = SSBetween + SSWithin

 dfTotal = dfBetween + dfWithin

7
多重比較 ( 適用時機 )
 在變異數分析拒絕 H0 之後，表示此母體
平均數並非全等，因此要進行進一步的
分析來了解其差異的情形。

8
LSD
 費雪 LSD 法（ Fisher Least Significant
Difference ）
 最早且最廣的母體平均數成對比較
法。
 H 0 : ui  u j  0 V.S H 1 : u i  u j  0

9
LSD
 檢定統計量 ：
yi  y j
t ~t k

1 1  ni  k , 2
MSE   
i 1

 ni n j 

tk
 若t >  ni  k , ，則拒絕。
i 1
2

10
Sheffe
 比較數個平均數之差異
 H 0 : u1  u 2  ......  ua , A<K
 若有 A 個小母體，可得個母體平均數差
ui  u j  100 1的  % 的聯合
信賴區間：
 1 1 
y  y j  a  1F 
MSE   
a 1,  ni  a ;
nj 
i
  ni 

I,J=1,…….,A

11
Bonferroni
 義大利數學家包法隆尼 (Bonferroni) 證明當介於 0 與 1
之間時，對任一 C 值，
1  1     C
 C

 因此，由於  EW  1  1   C ，故當檢定
C 組成對比較時，至少犯一次型Ⅰ誤的機率至多為 C 。
若我們希望在整個實驗中，犯型Ⅰ誤的最大機率為  EW
 EW / C
，則我們將使用等於 之比較性的型
Ⅰ誤機率。

12
Bonferroni
 H 0 : u1  u 2  ......  u a , A<K

若有 A  a
 個小母體，可得m C 個母體
ui  u j  1001   的
2

平均數差 %
的聯合信賴區間為：  1 1 
y i  y j  t k MSE 
n  n 

 ni  k
i 1  i j 

m 為 ui  u j 之個數。
13