。
35 了解 方差分析
亲，这个“方差分析”是统计方法里非常核心的一题。你可以先抓住一句话：
方差分析是用来比较两个或两个以上组别平均数是否存在显著差异的统计方法。
它表面上叫“方差分析”，实际上考试里更要理解它是在回答：
不同实验条件、不同组别、不同因素水平下，因变量的平均水平是否真的不同？
35 深刻理解：方差分析
一、方差分析的含义
方差分析，简称 ANOVA，是一种通过分析数据变异来源，来判断不同组别平均数是否存在显著差异的统计方法。
比如研究：
三种教学方法对学生成绩是否有不同影响？
三种教学方法分别是：
传统讲授法；
小组讨论法；
线上自主学习法。
因变量是学生成绩。
如果我们只看三个组的平均分不同，还不能马上说教学方法真的有影响，因为差异可能只是随机误差造成的。方差分析就是要判断：
组间平均数差异，是否大到超过随机误差可以解释的范围。
PPT 第四讲讲统计结论效度时强调，统计结论效度是关于决定实验处理效应的数据分析程序的效度检验；研究的统计结论效度取决于数据质量和统计检验假设。
方差分析正是检验实验处理效应的一种常见统计方法。
二、为什么叫“方差分析”？
亲，这里容易迷糊：它不是直接比较“方差”，而是通过分析方差来比较“平均数”。
它的基本思想是：
总变异可以分解为组间变异和组内变异。
组间变异：不同组平均数之间的差异。
它可能反映自变量或实验处理的影响。
组内变异：同一组内部个体之间的差异。
它通常反映个体差异、随机误差和未控制因素。
如果组间变异明显大于组内变异，就说明不同实验条件之间的差异可能不是偶然的，而可能与自变量有关。
简单说：
组间差异大，组内差异小，越容易说明实验处理有效。
三、方差分析和自变量、因变量的关系
方差分析通常用于研究：
一个或多个自变量的不同水平，是否会导致因变量平均数不同。
PPT 第一讲提到，为了达到研究中的控制目的，研究者控制自变量来决定其对行为的效应，其中控制变量对应自变量，行为变量对应因变量。
PPT 中关于实验法也提到，自变量是由实验者控制的实验条件，因变量是实验者所要测定的行为和心理活动，并且因变量依赖于自变量变化，可能是一个或多个自变量变动的结果。
所以，方差分析常常服务于这种研究问题：
自变量不同水平下，因变量是否有显著差异？
比如：
不同教学方法下，成绩是否不同；
不同干预方式下，焦虑水平是否不同；
不同年龄组的记忆成绩是否不同；
不同奖励方式下，儿童坚持时间是否不同。
四、方差分析的基本逻辑
1. 先提出虚无假设
方差分析通常先假定：
各组总体平均数没有差异。
比如三种教学方法的平均成绩没有差异。
这就是虚无假设。
2. 再看样本平均数差异
现实数据中，三组样本平均数可能不完全一样。
比如：
传统讲授法：75 分；
小组讨论法：82 分；
线上学习法：78 分。
问题是：这个差异是真的，还是随机抽样造成的？
3. 比较组间变异和组内变异
方差分析会比较：
组间差异是否足够大；
组内误差是否足够小。
如果组间变异明显大于组内变异，就可能拒绝虚无假设，认为不同组之间存在显著差异。
4. 得出统计结论
最后判断：
自变量不同水平下，因变量平均数是否存在显著差异。
这就是方差分析的基本思路。
五、方差分析的类型
1. 单因素方差分析
单因素方差分析是指只有一个自变量。
比如：
教学方法对成绩的影响。
教学方法有三个水平：
讲授法；
讨论法；
线上法。
因变量是成绩。
这时用单因素方差分析。
它回答的是：
一个因素的不同水平之间，因变量平均数是否不同？
2. 双因素方差分析
双因素方差分析是指有两个自变量。
比如：
教学方法和性别对成绩的影响。
自变量一：教学方法。
自变量二：性别。
因变量：成绩。
它可以回答三个问题：
教学方法是否有主效应；
性别是否有主效应；
教学方法和性别是否有交互作用。
3. 多因素方差分析
如果研究中有三个或三个以上自变量，就属于多因素方差分析。
比如同时研究：
教学方法；
学习时间；
学生基础水平。
对成绩的影响。
这种分析可以考察多个主效应，也可以考察多个因素之间的交互作用。
PPT 第四讲提到，影响研究效度的因素包括实验条件与不同因素的交互作用。 这说明在心理学研究中，不同因素之间的共同作用是需要认真分析的。
六、方差分析为什么重要？
1. 它可以比较多个组的平均数
如果只有两个组，可以用 t 检验。
但如果有三个或三个以上组，反复做 t 检验会增加犯错误的机会。
方差分析可以一次性检验多个组之间是否存在总体差异。
比如比较三种教学方法，就适合用方差分析。
2. 它可以检验实验处理是否有效
实验研究关心的是：
操纵自变量后，因变量是否发生变化？
方差分析可以判断不同实验处理条件下因变量平均数是否显著不同，因此常用于实验研究。
3. 它可以分析主效应和交互作用
在多因素设计中，方差分析不仅能看每个因素单独是否有影响，还能看因素之间是否存在交互作用。
比如：
心理干预是否有效；
不同干预方式是否效果不同；
干预效果是否因被试原有焦虑水平不同而不同。
这就比单纯比较平均数更有解释力。
4. 它有助于提高统计结论的科学性
方差分析不是凭肉眼看平均数差异，而是根据统计检验判断差异是否显著。
但是，PPT 第四讲也提醒，统计方法都有自己的统计检验假设，如果统计检验假设不明或被违犯，就会降低统计结论效度。
所以，使用方差分析时要注意数据质量、样本容量、数据分布、测量信度和统计方法适用条件。
七、深刻理解：方差分析不是“看哪个平均数最大”，而是判断差异是否可靠
很多同学容易以为方差分析就是看哪组分数最高。
其实不是。
比如三组平均分是：
A 组：80 分；
B 组：82 分；
C 组：84 分。
表面上 C 组最高，但如果组内个体差异很大，比如每组学生成绩都从 40 到 100 分不等，那么这几个平均数差异可能只是随机波动。
相反，如果三组内部成绩很集中，而组间差异明显，那么方差分析就更可能发现显著差异。
所以，方差分析真正比较的是：
组间差异相对于组内误差来说是否足够大。
八、举例理解
比如研究三种放松训练对焦虑水平的影响。
实验组一：呼吸放松训练；
实验组二：肌肉放松训练；
实验组三：正念放松训练。
因变量：训练后的焦虑水平。
方差分析可以先判断：
三组焦虑水平是否存在总体显著差异。
如果结果显著，只能说明至少有两组之间存在差异，但还不能直接知道是哪两组不同。
这时通常还需要进一步做事后比较，比如比较：
呼吸放松和肌肉放松是否不同；
呼吸放松和正念放松是否不同；
肌肉放松和正念放松是否不同。
所以，方差分析的第一步是判断整体差异，必要时再进一步判断具体差异来源。
考试背诵版
方差分析是用来比较两个或两个以上组别平均数是否存在显著差异的统计方法。它的基本思想是将总变异分解为组间变异和组内变异，通过比较组间变异与组内变异的大小，判断不同实验条件或不同自变量水平下因变量平均数的差异是否超过随机误差可以解释的范围。组间变异主要反映实验处理或自变量水平不同所造成的差异，组内变异主要反映个体差异、随机误差和无关变量影响。如果组间变异明显大于组内变异，就说明不同组之间可能存在显著差异。
方差分析常用于实验研究和多组比较研究中，可以分为单因素方差分析、双因素方差分析和多因素方差分析。单因素方差分析考察一个自变量不同水平对因变量的影响；双因素和多因素方差分析不仅可以考察各自变量的主效应，还可以考察自变量之间的交互作用。方差分析的重要意义在于，它不是简单看平均数大小，而是通过统计检验判断平均数差异是否可靠，从而帮助研究者检验研究假设，提高统计结论的科学性。
带货商品
提示信息
提示信息区块，可用于添加需要重点提醒的内容
提示信息区块，可用于添加需要重点提醒的内容
提示信息区块，可用于添加需要重点提醒的内容
提示信息区块，可用于添加需要重点提醒的内容
面板
面板区块
面板区块可用于展示一段带有标题的内容，比如某个功能模块的介绍说明、常见问题等。
面板区块
面板区块可用于展示一段带有标题的内容，比如某个功能模块的介绍说明、常见问题等。
面板区块
面板区块可用于展示一段带有标题的内容，比如某个功能模块的介绍说明、常见问题等。
面板区块
面板区块可用于展示一段带有标题的内容，比如某个功能模块的介绍说明、常见问题等。
选项卡
选项卡支持两种风格设置，上下布局风格（切换选项在上面）：
JustNews内置我们自主开发的WordPress主题可视化编辑器，通过使用可视化编辑器，只需简单拖拽设置，即使小白用户也能轻松快速搭建出属于自己的页面
JustNews主题支持我们原创的用户中心插件WPCOM Member，可支持邮箱和手机注册登录以及国内外常见社交媒体登录，主题更增加了私信、关注等实用功能
QAPress是一款付费WordPress插件，旨在为WordPress网站提供一个轻量级的问答系统，方便客户交流反馈问题，同时提升网站形象。插件已完美适配兼容JustNews主题，可视需求进行选购
幻灯滑块
本文来自投稿，不代表心理库立场
如若转载，请注明出处：https://www.xinliku.net/index.php?app=article&act=view&article_id=574
支付宝扫一扫
评论列表（182条）
11111
介绍