← 返回方法库首页

单因素方差分析（One-way ANOVA）

本页定位：本页是单因素 ANOVA 专题，重点在事后多重比较方法对比（Tukey HSD / LSD / Bonferroni / Scheffe / Games-Howell 的统计学差异与适用场景）以及方差不齐时的统计学处理思路（Levene 检验 + Welch ANOVA + Games-Howell 原理介绍）。chatspss 当前已支持标准单因素 ANOVA + LSD 事后检验；其他方法正在规划中。 F 检验原理和 ANOVA 基础概念请参阅 方差分析总览。

1. 什么时候用单因素方差分析

满足以下三个条件时，使用单因素 ANOVA：

如果只有 2 组，直接用 独立样本 t 检验。如果是 2 个及以上自变量，需要用多因素方差分析（参见 方差分析总览）。

2. 前提假设与检验顺序

单因素 ANOVA 有三个前提假设，建议按以下顺序检验：

1
独立性：各组观测值相互独立（由研究设计保证，无法用统计检验，需从数据收集方式判断）
2
正态性：各组内因变量近似正态分布。可用 Shapiro-Wilk 检验（n<50 优先）或 K-S 检验。 当每组 n>30 时，根据中心极限定理，ANOVA 对偏离正态有一定稳健性。 如严重偏离，考虑 Kruskal-Wallis 非参数检验。 → 可通过 正态性检验 页面了解详细操作。
3
方差齐性（重点）：各组方差相等。用 Levene 检验进行判断。 p ≥ 0.05 → 方差齐性满足，用标准 ANOVA + LSD 事后检验（chatspss 当前支持）； p < 0.05 → 方差不齐，统计学上推荐改用 Welch ANOVA + Games-Howell（详见第四节原理介绍；chatspss 当前未提供，规划中）；当前可用替代方案：Kruskal-Wallis 非参数检验。

3. 事后多重比较：四种方法怎么选

ANOVA 的 F 检验显著（p<0.05）只说明"至少有一对组不同"，不能指出是哪对。事后多重比较（Post-hoc tests）用于进一步做两两比较，同时控制整体 I 类错误率（familywise error rate）。

注意：不建议直接做多次 t 检验代替事后多重比较。3 组时有 3 次比较，若每次 alpha=0.05，整体 I 类错误率会膨胀到约 14%；5 组时有 10 次比较，整体错误率可达 40%。事后检验专门处理这个问题。
方法 宽严程度 前提 最适场景 chatspss 支持
LSD
最小显著差异		 最宽松 方差齐性 探索性研究；组数 ≤ 3；已有方向性假设的两两比较 已支持（默认）
Tukey HSD
诚实显著差异		 推荐 方差齐性；各组 n 相等或近似 组数 4-6；需控制整体错误率；论文报告最常见 规划中
Bonferroni 严格 方差齐性 比较次数少（≤ 5 次）；需严格控制整体 alpha；事先指定的比较 规划中
Scheffe 最严格 方差齐性 事先未计划的比较；样本量不等；最保守，误差最小 规划中
Games-Howell 适中 不要求方差齐性 方差不齐时的首选；Welch ANOVA 的配套事后检验 规划中
统计学选择建议（一句话版）：方差齐 + 论文报告 → 统计学上常用 Tukey HSD；方差齐 + 探索性 / 组数少 → LSD（chatspss 当前支持）；方差不齐 → Games-Howell 配合 Welch ANOVA（规划中）。
chatspss 当前可用：标准单因素 ANOVA + LSD 事后检验，输出字母标记表 + 两两比较详细表（含差值、标准误、p 值和 Cohen's d 效应量）。若论文要求 Tukey HSD，可注明工具限制或等待功能上线。

读懂字母标记法

chatspss 使用字母标记法展示事后检验结果：

4. 方差齐性检验（Levene）与 Welch ANOVA

4.1 Levene 检验：判断方差是否齐性

Levene 检验的零假设为"各组方差相等"，结果解读：

常见误区：Levene 检验 p<0.05 并不意味着结果"无效"，而是需要换更稳健的方法。方差不齐在现实数据中很常见，尤其当各组均值差距大时。

4.2 方差不齐时：Welch ANOVA（统计学原理介绍）

Welch ANOVA 是标准单因素 ANOVA 的改进版本，不要求各组方差相等，统计学上的处理逻辑如下：

chatspss 当前状态：Welch ANOVA 和 Games-Howell 尚未上线（规划中）。当前替代方案：方差不齐或正态性严重违反时，可在 chatspss 中使用 Kruskal-Wallis 非参数检验，它对方差不齐和非正态分布均具有稳健性。
情形 统计学推荐主检验 统计学推荐事后比较 chatspss 当前状态
方差齐性（Levene p ≥ 0.05）+ 正态性满足 标准 One-way ANOVA Tukey HSD / LSD / Bonferroni 已支持（ANOVA + LSD）
方差不齐（Levene p < 0.05）+ 正态性满足 Welch ANOVA Games-Howell 规划中；当前可用 Kruskal-Wallis 替代
正态性严重违反（任意方差情况） Kruskal-Wallis 检验 Dunn 检验（含 Bonferroni 校正） Kruskal-Wallis 已支持

5. 效应量 eta squared（η²）

p 值只告诉你差异是否显著，效应量告诉你差异有多大的实际意义。单因素 ANOVA 常用 eta squared（η²）：

η² = SSbetween / SStotal

η² 表示"组间差异能解释因变量总变异的比例"，取值 0–1：

效应量 η² 值 Cohen（1988）分类 含义
0.01 小效应 分组变量能解释 1% 的总变异，实际意义较小
0.06 中等效应 分组变量能解释 6% 的总变异，有一定实际意义
0.14 大效应 分组变量能解释 14% 以上，实际差异明显
实践建议：大样本（n>200）时，即使很小的差异也可能达到 p<0.05，此时务必报告 η²。论文中通常同时报告：F(df1, df2) = xxx，p = xxx，η² = xxx。chatspss 输出的 Partial Eta² 在单因素 ANOVA 中等同于 η²。

6. 用 chatspss 做单因素方差分析（两条指令）

上传数据文件后，直接输入自然语言指令：

指令 1：基础单因素 ANOVA（含事后多重比较） "分析不同教育程度（X）对工作满意度（Y）的影响，做单因素方差分析，并进行事后多重比较"

指令 2：指定检验事后检验方法 "对教育程度（X）分组下的薪资满意度、工作环境满意度、发展前景满意度做单因素方差分析，事后检验用 LSD 方法，输出字母标记"

chatspss 将自动输出：

7. 输出结果怎么读

常见问题（FAQ）

Q：ANOVA 显著后怎么知道哪两组之间有差异？
F 检验只能告诉你"至少有一对组不同"，不能指明是哪对。需要做事后多重比较：chatspss 使用 LSD 方法，输出字母标记表（字母不同 = 有差异）以及详细的两两比较表（含差值、p 值、Cohen's d）。根据字母标记可以直接判断哪些组之间有显著差异。
Q：方差不齐（Levene 检验 p < 0.05）怎么办？
统计学上推荐改用 Welch ANOVA（对方差不等稳健）+ Games-Howell 事后检验（不假设等方差），但 chatspss 当前尚未提供这两个方法（规划中）。
chatspss 当前可用的替代方案：改用 Kruskal-Wallis 非参数检验——它不要求方差齐性，也不要求正态分布，适用于方差不齐或同时存在非正态的情形。
Q：事后检验应选 Tukey、LSD 还是 Bonferroni？
统计学上的通用参考：论文 / 多组比较 → Tukey HSD（检验力与错误率平衡，最常被期刊接受）；探索性 / 组数少 → LSD（宽松，但组数多时 I 类错误膨胀）；比较次数有限且需严格控制 → Bonferroni。
chatspss 当前仅支持 LSD；Tukey HSD、Bonferroni、Scheffe 等方法正在开发中。若论文评审要求 Tukey HSD，可在报告中注明分析工具当前仅提供 LSD 方法，或等待功能上线后补充验证。
Q：效应量 η²（eta squared）多大算有实际意义？
Cohen（1988）经验标准：η² ≥ 0.01 为小效应，≥ 0.06 为中效应，≥ 0.14 为大效应。当 n 很大时，很小的 η² 也可能 p<0.05——这时要特别关注效应量，区分统计显著与实质显著。
Q：样本量不均等时还能用单因素 ANOVA 吗？
可以。不平衡设计（各组 n 不等）对 ANOVA 影响不大，只要不是极度悬殊。但若同时存在方差不齐，统计学上推荐用 Welch ANOVA（对非平衡 + 异方差双重情况处理更稳健），chatspss 当前尚未提供 Welch ANOVA（规划中）。此时可改用 Kruskal-Wallis 非参数检验 作为替代，它对各组样本量不等和方差不齐均具有稳健性。

相关方法

方差分析总览（多因素/基础概念） | Kruskal-Wallis 非参数替代 | 正态性检验 | 独立样本 t 检验（两组比较）

立即使用 chatspss 进行单因素方差分析