教务处要比较 A、B、C 三个班的教学效果，三个班各给了一份成绩单。最直观的思路是“两两 PK”：A 和 B 比，B 和 C 比，A 和 C 再比，做三次 t 检验。这个思路直白，却藏着一个大坑——每比一次就有 5% 的概率误报，连续比三次，整体误报率会悄悄涨到约 14%。那怎么办？统计学家想出一个更聪明的办法：不急着两两比，先把 30 个学生的成绩铺开看整体波动，再把波动拆成“班与班之间的差距”和“班内部学生的差异”两部分。如果班间差距明显大过班内噪声，就说明班级因素真的起作用了。这套“先拆波动、再比大小”的方法，就是方差分析（ANOVA）。它像一台信噪分离器，把信号从噪声里拎出来，回答“多组数据的均值到底有没有显著差异”。

岗位关联

学 ANOVA 是 AI 从业者做实验评估的必备技能：无论是 A/B 测试多版本对比、特征筛选还是超参数分析，用对统计检验才能避免在数据里“自己骗自己”。

目录
  1. 可视化演示
  2. 多重比较陷阱
  3. 方差分解原理
  4. F检验机制
  5. 单因素ANOVA
  6. 双因素ANOVA
  7. 事后比较方法
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

演示方差分解（组间SSB vs 组内SSW）、F检验分布与拒绝域、多重比较FWER膨胀三大核心概念，点击按钮切换。

本节配有交互动效（进入视口后自动加载，约 3KB）。

方差分解：组间 vs 组内 组间方差SSB：组均值与总均值的差异 组内方差SSW：组内数据与组均值的差异 SST = SSB + SSW F越大说明组间差异越显著

多重比较陷阱

教务处拿来了三个班的期末数学成绩：A 班用传统讲授，B 班用多媒体课件，C 班用翻转课堂。领导想知道：这三种教法有没有差别？最省事的思路是两两比——A 和 B 比一比，B 和 C 比一比，A 和 C 再比一比，做三次 t 检验。这个思路直白，却踩中了一个隐蔽的统计陷阱：每做一次 t 检验，都有 5% 的误报风险（统计学叫第一类错误，记为 α）。一次不误报的概率是 95%，可三次都不误报，概率就不是 95% 而是 0.95³≈86% 了。换句话说，连续做三次比较，至少误报一次的概率高达 14%，比你以为的 5% 高出一大截。

这里的数学道理很简单。m 组数据两两配对，需要比较的次数是组合数 C(m,2)。如果每次都允许 α 的误报率，k 次比较下来整体误报率会累积。直观感受一下：3 组要比 3 次，4 组要比 6 次，5 组就是 10 次，组数越多越失控。整体误报率的计算公式如下：

一个补救办法是把每次检验的门槛抬高——比如用 Bonferroni 校正，把 α 除以比较次数 k，让整体误报率回到 5% 附近。但这会牺牲检验功效，而且组数一多依然笨拙。真正优雅的解法正是 ANOVA：设计一个“整体体检”，只用一次检验回答“全体均值是否相等”，从根上避免多次比较的误报累积。教务处如果早点用 ANOVA，就不会被虚高的 14% 误报率误导了。

αc=1−(1−α)k,k=(m2)=m(m−1)2\alpha_c = 1 - (1-\alpha)^k, \quad k=\binom{m}{2}=\frac{m(m-1)}{2}
通俗说：安检员查一件行李有 5% 概率误报，连着查三件，“至少误报一次”的概率自然不是 5%，而是约 14%。比较次数越多，误报概率越高。
  1. 比较次数 km 个组两两配对的组合数，每两组之间安排一次比较
    k=(m2)=m(m−1)2k=\binom{m}{2}=\frac{m(m-1)}{2}
  2. 单次误报率 α每次 t 检验允许犯第一类错误的概率，通常设定为 0.05
    α=0.05\alpha = 0.05
  3. 单次不误报概率检检验正确、不冤枉好人的概率
    1−α=0.951-\alpha = 0.95
  4. k 次全都不误报假设各次独立，k 次比较全部不误报的概率是 0.95 连乘 k 次
    (1−α)k=0.953≈0.857(1-\alpha)^k = 0.95^3 \approx 0.857
  5. 整体误报率 α_c用 1 减去“全都不误报”，得到 k 次中至少误报一次的概率
    αc=1−0.857≈0.143\alpha_c = 1-0.857 \approx 0.143

方差分解原理

ANOVA 的核心思想，是把全体成绩的波动拆成两笔账。把三个班 30 个学生的成绩想成一条河，每个成绩是一滴河水。河水整体汹涌程度叫“总平方和”（SST），它由两种力量叠加而成：一是“班与班之间的水位差”，A 班整体偏低、C 班整体偏高，这叫“组间平方和”（SSB）；二是“每个班内部的水面涟漪”，同班学生之间也有高有低，这叫“组内平方和”（SSW）。ANOVA 要做的，就是分别称量这两种力量的重量。

数学上，每个成绩 x_ij（第 i 班第 j 个学生）偏离总均值的距离，恰好可以被拆成两段：一段是“自己的班均值偏离总均值的距离”（组间偏差），另一段是“自己偏离班均值的距离”（组内偏差）。把全班每个学生的这两种偏差分别平方再求和，就得到了漂亮的分解等式：

自由度也跟着拆分：总自由度 N-1，组间自由度 k-1，组内自由度 N-k，三者恰好满足 (N-1)=(k-1)+(N-k)。这就像一笔钱分进两个口袋，总数不变、此消彼长。回到那条河：如果班间水位差（SSB）占了总涌动的大头，说明三个班确实不是一个水位；如果班内涟漪（SSW）才是主角，说明大家本来就参差不齐，班级之间那点差距不过是随机噪声。

SST=∑i=1k∑j=1ni(xij−xˉ⋅⋅)2=∑i=1kni(xˉi⋅−xˉ⋅⋅)2+∑i=1k∑j=1ni(xij−xˉi⋅)2SST = \sum_{i=1}^{k}\sum_{j=1}^{n_i}(x_{ij}-\bar{x}_{\cdot\cdot})^2 = \sum_{i=1}^{k}n_i(\bar{x}_{i\cdot}-\bar{x}_{\cdot\cdot})^2 + \sum_{i=1}^{k}\sum_{j=1}^{n_i}(x_{ij}-\bar{x}_{i\cdot})^2
通俗说：河水的总涌动，恰好等于“班与班之间的水位落差”加上“每班内部的水面涟漪”，一分不多一分不少。平方是为了让正负偏差不会互相抵消。
  1. 组内偏差学生自己的成绩减去本班平均分，衡量他“掉队”或“超常”了多少
    xij−xˉi⋅x_{ij} - \bar{x}_{i\cdot}
  2. 组间偏差本班平均分减去全体总平均分，衡量这个班的整体水平偏离全局多远
    xˉi⋅−xˉ⋅⋅\bar{x}_{i\cdot} - \bar{x}_{\cdot\cdot}
  3. 总平方和 SST所有学生成绩相对总均值的偏差平方之和
    SST=∑i=1k∑j=1ni(xij−xˉ⋅⋅)2SST=\sum_{i=1}^{k}\sum_{j=1}^{n_i}(x_{ij}-\bar{x}_{\cdot\cdot})^2
  4. 分解等式可以证明总平方和恒等于组间平方和 SSB 与组内平方和 SSW 之和
    SST=SSB+SSWSST=SSB+SSW

F检验机制

波动拆好了，接下来要回答一个关键问题：班间差距算不算“大”？这需要一把尺子，而 ANOVA 用的尺子叫 F 统计量——本质是一个信噪比。信号是组间均方 MSB（组间平方和除以组间自由度），噪声是组内均方 MSW（组内平方和除以组内自由度）。两者相除：

F 统计量服从一个叫 F 分布的概率分布，它的形状由分子自由度和分母自由度这一对“筷子”决定。在原假设 H0（三个班均值相等）成立时，F 值应该在 1 附近随机晃动；如果算出的 F 值很大，落进了 F 分布右侧的“拒绝域”，就说明“均值相等”这个假设很难自圆其说，我们应该拒绝它，承认至少有一个班的均值与众不同。实际操作时不用记临界值，直接看 p 值：p 值就是在 H0 成立时，偶然得到当前 F 值甚至更极端结果的概率。p 值小于 0.05，就相当于“这种偶然性发生的概率不到 5%”，可以放心拒绝 H0 了。

F=MSBMSW=SSB/(k−1)SSW/(N−k)F = \frac{MSB}{MSW} = \frac{SSB/(k-1)}{SSW/(N-k)}
通俗说：F 值就是“信号”除以“噪声”。信号压过噪声（F 远大于 1），说明班间差距真有料；信号被噪声淹没（F 接近 1），说明三班均值看着不同只是运气。
  1. 组间均方 MSB把组间平方和平均到每个组间自由度上，得到“平均每份班间差距”
    MSB=SSBk−1=SSB2MSB=\frac{SSB}{k-1}=\frac{SSB}{2}
  2. 组内均方 MSW把组内平方和平均到每个组内自由度上，得到“平均每份班内噪声”
    MSW=SSWN−k=SSW27MSW=\frac{SSW}{N-k}=\frac{SSW}{27}
  3. F 统计量两个均方相除，得到标准化的信噪比
    F=MSBMSWF=\frac{MSB}{MSW}

单因素ANOVA

现在把三班成绩完整走一遍流程。首先确认三个假设：各班成绩近似正态分布（正态性）、各班方差大致相等（方差齐性）、样本相互独立（独立性）。三班是随机分班、互不干扰，独立性没问题；画个 QQ 图能检查正态性；方差齐性可以用 Levene 检验近似判断。假设基本满足后，就可以开始五步计算。

第一步，算每班的均值：A 班 81.5，B 班 87.5，C 班 93.0，总均值 87.3。第二步，算偏差平方和：组间 SSB=661.7，组内 SSW=265，总 SST=926.7。第三步，算均方：MSB=661.7/2≈330.9，MSW=265/27≈9.8。第四步，算 F 值：F=330.9/9.8≈33.7。第五步，查 F 分布表，α=0.05、自由度 (2,27) 时临界值约 3.35，33.7 远超临界值，p 值远小于 0.001，结论明确：拒绝 H0，三种教法的平均成绩有显著差异。整个计算过程可以汇总成一张标准的方差分析表，这也是论文和报告里最常见的呈现形式：

效应量 η²=0.71 说明，学生成绩差异的 71% 可以用“不同教法”来解释，这个效应算是相当大了。教务处看到这个结论，终于可以放心地说：三种教法确实不一样，翻转课堂的平均分最高。但等等——“三种教法不一样”到底是 A 和 B 不同、B 和 C 不同，还是全都不同？这个问题 ANOVA 答不了，得靠后面的事后比较。

F=MSBMSW∼F(k−1,N−k),η2=SSBSSTF = \frac{MSB}{MSW} \sim F(k-1, N-k), \quad \eta^2 = \frac{SSB}{SST}
通俗说：F 值 33.7 就像一个人的身高是全班平均身高的 33.7 个标准差那么夸张——不可能是测量误差，一定是真差异。效应量 η² 则回答“差异有多大”。
  1. 分子与分母自由度组间自由度 k-1=2，组内自由度 N-k=27
    df1=k−1=2,df2=N−k=27df_1=k-1=2, \quad df_2=N-k=27
  2. F 临界值查表得 α=0.05 下的拒绝阈值
    F0.05(2,27)≈3.35F_{0.05}(2,27)\approx3.35
  3. 判定规则当 F 统计量大于临界值时拒绝原假设
    F=33.7>3.35⇒拒绝H0F=33.7 > 3.35 \Rightarrow \text{拒绝}H_0
  4. 效应量 η²组间平方和占总平方和的比例，衡量“班级因素”的解释力度
    η2=SSBSST=661.7926.7≈0.71\eta^2=\frac{SSB}{SST}=\frac{661.7}{926.7}\approx0.71

双因素ANOVA

现实中的实验很少只关心一个因素。教务处可能同时想知道：教法（A/B/C）和性别（男/女）是否都影响成绩？这就是双因素 ANOVA 的用武之地。可以类比做菜：教法像放盐，性别像放糖，盐多盐少有主效应，糖多糖少也有主效应；但如果一道菜盐和糖都放多了，味道会彻底崩掉——这就是“交互效应”：两个因素搭配在一起，产生了单独看任何一个都无法预料的额外效果。

双因素 ANOVA 把总波动拆成四份：因素 A（教法）的平方和 SSA、因素 B（性别）的平方和 SSB、交互项 SSAB、以及随机误差 SSE。对应地，可以构造三个 F 统计量分别检验两个主效应和一个交互效应：

实际操作中要区分两种设计：无重复的双因素设计，每个“教法×性别”格子只放一个数据，这时无法分离交互效应和随机误差，只能检验两个主效应；有重复的设计，每个格子放多个数据，才能把交互效应 SSAB 从误差里剔出来单独检验。如果交互效应显著，主效应的解释就要格外小心——比如“翻转课堂平均分高”这个结论，可能只对男生成立，对女生反而更低。这正是双因素 ANOVA 比单因素多出来的信息量。

SST=SSA+SSB+SSAB+SSE,FA=MSAMSE, FB=MSBMSE, FAB=MSABMSESST = SSA + SSB + SSAB + SSE, \quad F_A=\frac{MSA}{MSE},\ F_B=\frac{MSB}{MSE},\ F_{AB}=\frac{MSAB}{MSE}
通俗说：菜好不好吃，既要看盐（主效应），又要看糖（主效应），还要看盐和糖是不是“联手捣乱”（交互效应）。交互效应是双因素 ANOVA 独有的探测器。
  1. 主效应 SSA单独看教法 A 的三个水平均值是否有差异
    FA=MSAMSE,df1=kA−1F_A=\frac{MSA}{MSE}, \quad df_1=k_A-1
  2. 主效应 SSB单独看性别 B 的两个水平均值是否有差异
    FB=MSBMSE,df1=kB−1F_B=\frac{MSB}{MSE}, \quad df_1=k_B-1
  3. 交互效应 SSAB检验“某种教法是否只对男生有效、对女生无效”这类搭配效应
    FAB=MSABMSE,df1=(kA−1)(kB−1)F_{AB}=\frac{MSAB}{MSE}, \quad df_1=(k_A-1)(k_B-1)
  4. 误差项 SSE同一种教法、同一种性别内部个体间的随机波动
    SSE=SST−SSA−SSB−SSABSSE=SST-SSA-SSB-SSAB

事后比较方法

ANOVA 的结论像老师站在讲台上宣布：“经过检验，你们班确实有人考试作弊。”但这句通告没说具体是谁。事后比较方法就是训导处的排查流程：把 A、B、C 三个班两两拎出来单独对质，看看到底哪两个班差异显著。常用的排查工具主要有三种。

第一种是 LSD（最小显著差数）法。它先算出一个“显著性最低门槛”——两组均值差至少要多大才能不算随机波动：

套用例题数据：B 班减 A 班均值差 6.0 分，C 班减 B 班 5.5 分，C 班减 A 班 11.5 分，全部超过 LSD=2.87，说明三种教法两两之间都存在显著差异。LSD 虽然简单，但它没有控制多次比较的误报率，所以更稳妥的做法是 Tukey HSD 法（专门为所有两两比较设计，严格控制整体误报率）或者 Bonferroni 校正（把 α 除以比较次数，再做普通 t 检验）。训导处的经验是：先让 ANOVA 做整体筛查，确认“有人作弊”之后再派出事后比较去“精准定位”，两步走既不冤枉好人，也不放过真凶。

LSD=tα/2,N−kMSW(1ni+1nj)LSD = t_{\alpha/2, N-k}\sqrt{MSW\left(\frac{1}{n_i}+\frac{1}{n_j}\right)}
通俗说：LSD 就是一条“红绿灯线”。两班平均分差超过这条线就判“显著不同”，低于这条线就判“差距在噪声范围内”。
  1. t 临界值自由度为 N-k=27、α=0.05 的 t 分布双侧临界值
    t0.025,27≈2.052t_{0.025,27}\approx2.052
  2. 均值差标准误由组内均方 MSW 和两班样本量共同决定
    MSW(1ni+1nj)=9.8×(110+110)≈1.40\sqrt{MSW(\frac{1}{n_i}+\frac{1}{n_j})}=\sqrt{9.8\times(\frac{1}{10}+\frac{1}{10})}\approx1.40
  3. LSD 门槛值t 临界值乘以标准误，得到最小显著差数
    LSD=2.052×1.40≈2.87LSD=2.052\times1.40\approx2.87
  4. 两两比较各班均值差与 LSD 比较，超过即显著
    xˉB−xˉA=6.0>2.87⇒显著\bar{x}_B-\bar{x}_A=6.0>2.87 \Rightarrow \text{显著}

AI 应用场景

多版本推荐策略对比

阶段：实验评估与迭代

解决的问题：推荐团队上线三种排序策略（A 按热度、B 按协同过滤、C 按深度学习打分），想比较三组的点击率均值是否有差异。若两两做 t 检验会产生约 14% 的误报膨胀，还可能漏掉真正的差异；用 ANOVA 做整体检验，再用事后比较定位最优策略，结论才经得起推敲。

具体案例：某电商团队三种策略各运行 14 天，每天记录 CTR，得到 3×14 的样本。做单因素 ANOVA 得 F=5.82、p=0.008，显著拒绝“策略无差异”；Tukey HSD 显示 C 策略显著优于 A、B，团队据此全量上线 C 策略。这个流程如今是多数推荐团队的标准操作。

机器学习特征筛选

阶段：特征工程

解决的问题：高维稀疏特征（如 TF-IDF 词向量）动辄上万维，直接喂给模型又慢又容易过拟合。ANOVA 的 F 检验在 sklearn 里叫 f_classif，它逐一检查每个特征在不同类别样本上的均值差异是否显著，F 值越大的特征越有判别力，可以据此排序筛选。

具体案例：情感分类任务中，对 5000 维 TF-IDF 特征做 f_classif，保留 F 值最高的 500 维，模型准确率从 82% 升到 87%，训练时间缩短 60%。ANOVA 在这里扮演了“特征安检员”的角色，把真正有区分度的信号从海量噪声里挑出来。

深度学习超参数实验分析

阶段：模型调优

解决的问题：比较三种学习率（1e-3、1e-4、1e-5）对模型收敛精度的影响时，每次训练有随机种子带来的波动，单次对比像在噪声里听信号。用 ANOVA 比较三组多次重复训练的验证集精度，能科学判断“学习率差异”是真实效应还是随机波动。

具体案例：算法工程师对每种学习率重复训练 10 次，记录验证集精度，做 ANOVA 得 F=7.21、p=0.003，说明学习率显著影响精度；事后比较发现 1e-4 显著优于其他两组，最终选定该配置上线。

Python 演示

python46 行
# -*- coding: utf-8 -*-"""手动实现单因素方差分析：比较三个班成绩是否有显著差异"""from scipy import stats # 三班成绩：A 传统讲授，B 多媒体教学，C 翻转课堂group_a = [78, 82, 85, 79, 86, 81, 83, 77, 84, 80]group_b = [84, 88, 90, 83, 92, 87, 89, 85, 91, 86]group_c = [92, 94, 89, 96, 93, 90, 98, 91, 95, 92]groups = [group_a, group_b, group_c]labels = ['A传统', 'B多媒体', 'C翻转'] def one_way_anova(groups):    """手动实现单因素方差分析，返回方差分解表"""    k = len(groups)    sizes = [len(g) for g in groups]    N = sum(sizes)    means = [sum(g) / n for g, n in zip(groups, sizes)]    grand = sum(sum(g) for g in groups) / N     ssb = sum(n * (m - grand) ** 2 for n, m in zip(sizes, means))    ssw = sum((x - m) ** 2 for g, m in zip(groups, means) for x in g)    sst = ssb + ssw     df1, df2 = k - 1, N - k    msb, msw = ssb / df1, ssw / df2    f_value = msb / msw    p_value = stats.f.sf(f_value, df1, df2)  # F分布的右尾概率    return sst, ssb, ssw, df1, df2, msb, msw, f_value, p_value def main():    sst, ssb, ssw, df1, df2, msb, msw, f_value, p_value = one_way_anova(groups)    print('=== 单因素方差分析结果 ===')    for i, g in enumerate(groups):        print('{}班：样本量={}，均值={:.2f}'.format(labels[i], len(g), sum(g) / len(g)))    print('总均值：{:.2f}'.format(sum(sum(g) for g in groups) / sum(len(g) for g in groups)))    print('SST={:.1f}  SSB={:.1f}  SSW={:.1f}'.format(sst, ssb, ssw))    print('df1={}  df2={}  MSB={:.1f}  MSW={:.1f}'.format(df1, df2, msb, msw))    print('F值={:.2f}  p值={:.4f}'.format(f_value, p_value))    alpha = 0.05    if p_value < alpha:        print('结论：p<0.05，拒绝原假设，三个班成绩有显著差异')    else:        print('结论：p>=0.05，不能拒绝原假设，三个班成绩无显著差异') if __name__ == '__main__':    main()
目的：不调用现成的 scipy.stats.f_oneway，而是手动完成方差分解的每一步，让你看清 SSB、MSW、F 值的来历，完整复现正文中的单因素 ANOVA 例题。
  1. ssb = sum(n * (m - grand) ** 2 for n, m in zip(sizes, means))组间平方和：每个班的样本量乘以“班均值减总均值”的平方再求和，衡量班与班之间的水位差。
  2. ssw = sum((x - m) ** 2 for g, m in zip(groups, means) for x in g)组内平方和：每个学生成绩减本班均值的平方累加，衡量班内涟漪。
  3. df1, df2 = k - 1, N - k两个自由度，k 是组数 3，N 是总样本量 30。
  4. f_value = msb / mswF 统计量，即信号与噪声之比，本例高达约 33.7。
  5. p_value = stats.f.sf(f_value, df1, df2)用 F 分布的右尾概率函数算出 p 值，远小于 0.05 说明三班差异显著。

常见误区

误区“ANOVA 就是把 t 检验从两组推广到三组，本质一样，结论也差不多。”

正解两者思路完全不同。t 检验直接比较两组均值差是否为零；ANOVA 先分解总方差，再比较组间均方与组内均方的比值（F 值）。更重要的是，ANOVA 能同时处理多个因素（双因素、多因素）和交互效应，这是 t 检验做不到的。它更像是“从单打独斗升级到团队作战”。

为何常见：因为单因素 ANOVA 在“只有两组”时，F 值恰好等于 t 值的平方，结论也与双侧 t 检验等价，所以很多人误以为 ANOVA 只是 t 检验的多组版本。

误区“ANOVA 完了之后，直接把每组两两 t 检验的 p 值拿出来，哪个最小哪个就是差异最大的。”

正解这样做恰恰掉进了多重比较陷阱：多次比较会放大误报率。用两两 t 检验筛选出来的“最小 p 值”，很可能只是随机波动碰出来的假信号，并不等于真实差异。正确做法是用 Tukey HSD、Bonferroni 等校正方法控制整体误报率后，再下结论。

为何常见：大脑天然喜欢“简单直接”的证据，看到 p=0.01 就兴奋，容易忽略这个 p 值是从好几次比较里挑出来的——挑的次数越多，碰到小 p 值越不稀奇。

误区“F=33.7 比 F=4.2 大得多，所以前者的组间差异一定比后者大得多。”

正解F 值只是“信号对噪声的倍数”，它同时受样本量和自由度影响。样本量翻倍，同样的均值差会算出更大的 F 值，但均值差的绝对值没变。真正衡量差异大小的指标是效应量 η²（或 Cohen's d），它表示总波动中有多少比例能由分组因素解释。显著性（p 值）回答“有没有”，效应量才回答“有多大”。

为何常见：F 值是检验统计量，人们习惯把“统计检验的数值大”等同于“实际效应大”，但两者量纲不同，一个是标准化比值，一个是解释力比例。

误区“既然 ANOVA 拒绝了原假设，说明 A、B、C 三组两两之间一定都有显著差异。”

正解ANOVA 的原假设是“所有组均值相等”，拒绝它只说明“至少有一组不同”，可能是只有一组与众不同，也可能是全都不同。就像老师说“班级里有人作弊”，不代表全班都作弊。想知道具体谁和谁不同，必须做事后比较（LSD、Tukey HSD 等）。

为何常见：逻辑上容易混淆“存在性”和“全面性”。ANOVA 检验的是一个全局命题，事后检验才是局部命题，两者逻辑层次不同。

误区“直接用就行，反正 F 值只影响结论，方差齐不齐无所谓。”

正解方差齐性是经典 ANOVA 的基本假设之一。如果各组方差差异很大，F 统计量的实际分布会偏离理论 F 分布，导致 p 值失真。稳妥做法是先做 Levene 检验；若不满足，改用 Welch 修正的 ANOVA（同样有 F 统计量，但自由度会调整），或者用非参数的 Kruskal-Wallis 检验。

为何常见：很多软件默认输出 ANOVA 结果，不主动提醒方差齐性问题。加上教材例题大多方差齐整，学习者很少见到“违规”的样本，就容易忽略这个前置条件。

面试题

Q1. 方差分析（ANOVA）主要用于回答以下哪个问题？

单选题 · easy

  • A.两组数据的方差是否相等
  • B.多组数据的均值是否有显著差异← 正确答案
  • C.两个变量之间的线性关系强度
  • D.单个样本是否来自正态总体

答案：B。ANOVA 的原假设是“各组均值相等”，核心目标是比较多组均值是否存在显著差异。选项 A 是方差齐性检验（如 Levene）的任务，C 是相关回归的任务，D 是正态性检验的任务。类比：ANOVA 像老师判断三个班平均分是否不同，而不是看某个班成绩散了没散。

Q2. 有 4 个实验组，如果两两做 t 检验，一共需要做多少次比较？

单选题 · easy

  • A.4 次
  • B.5 次
  • C.6 次← 正确答案
  • D.8 次

答案：C。4 组两两配对的组合数是 C(4,2)=4×3/2=6。每多一组，比较次数就跳一截，误报率也随比较次数累积。这正是 ANOVA 用一次整体检验替代多次两两比较的原因。类比：4 个班两两比，就像 4 个人两两握手，一共要握 6 次。

Q3. 在单因素方差分析中，总平方和 SST 的分解式是？

单选题 · mid

  • A.SST = SSB + SSE
  • B.SST = SSB + SSW← 正确答案
  • C.SST = MSB + MSW
  • D.SST = SSB × SSW

答案：B。单因素 ANOVA 下总平方和精确分解为组间平方和 SSB 与组内平方和 SSW 之和，即 SST=SSB+SSW。选项 A 把误差项命名为 SSE 是双因素 ANOVA 的习惯，C 是用均方代替平方和，D 乘积无意义。类比：总波动 = 班间水位差 + 班内涟漪。

Q4. F 统计量的计算公式是？

单选题 · mid

  • A.F = MSW / MSB
  • B.F = SSB / SSW
  • C.F = MSB / MSW← 正确答案
  • D.F = SSW / SSB

答案：C。F = MSB / MSW，即组间均方除以组内均方，是信号与噪声的比值。A 的分子分母颠倒会让信号被噪声除，结论完全反了；B 和 D 没有除以各自的自由度，不能用直接平方和比大小（因为自由度不同）。类比：信噪比就是“信号音量除以噪声音量”。

Q5. 单因素 ANOVA 中分子（组间）自由度是 k-1，分母（组内）自由度是？

单选题 · mid

  • A.总样本量 N
  • B.总样本量减 1
  • C.总样本量减组数 N-k← 正确答案
  • D.总样本量加组数 N+k

答案：C。总自由度 N-1 拆成组间 k-1 与组内 N-k 两块。分母自由度对应组内波动的信息量，本例三班共 30 人，k=3，所以分母自由度为 27。类比：自由度就像可用信息份数，N 个样本扣掉 k 个组均值估计，剩下 N-k 份归组内。

Q6. 经典单因素 ANOVA 的基本假设包括哪些？

多选题 · mid

  • A.各组数据独立← 正确答案
  • B.各组方差相等← 正确答案
  • C.各组均值必然不同
  • D.各组近似正态分布← 正确答案

答案：ABD。三个基本假设是独立性、方差齐性（方差相等）、正态性。C 是研究假设而非前置条件，恰恰是 ANOVA 要检验的内容。类比：做菜前要保证食材新鲜（独立）、切得均匀（方差齐）、锅温受控（正态），至于好不好吃是出锅后才评判的。

Q7. 双因素 ANOVA 中“交互效应”的含义是？

单选题 · hard

  • A.两个因素的方差大小相同
  • B.一个因素的效果依赖于另一个因素的水平← 正确答案
  • C.两个因素的均值恰好相等
  • D.交互项的自由度等于两个主效应之和

答案：B。交互效应指因素 A 对结果的影响随因素 B 的水平而变化。比如某教法对男生有效、对女生无效，就是教法与性别的交互。A 是方差齐性的变体，C 是主效应为 0 的情形，D 中交互自由度是 (kA-1)(kB-1) 而非简单求和。类比：盐和糖单放都行，一起放多了菜就毁了。

Q8. ANOVA 拒绝了原假设之后，想知道具体哪两组有差异，应该用什么方法？

单选题 · mid

  • A.直接看各组均值大小排序
  • B.重新做一次 ANOVA
  • C.事后比较（如 Tukey HSD）← 正确答案
  • D.计算总体方差

答案：C。ANOVA 只能说明“至少有一组不同”，不能定位。事后比较（Tukey HSD、LSD、Bonferroni）专门做两两检验并控制整体误报率。A 只看点估计忽略随机误差，B 重复 ANOVA 还是全局检验，D 与定位差异无关。类比：先确认“有人作弊”，再逐个排查找出是谁。

Q9. 关于多重比较问题，下列说法正确的有？

多选题 · hard

  • A.两两 t 检验会放大第一类错误率← 正确答案
  • B.Bonferroni 校正把 α 除以比较次数← 正确答案
  • C.Tukey HSD 能控制整体误报率← 正确答案
  • D.多重比较次数越多，检验功效越高

答案：ABC。A 正确，比较次数越多误报率累积越大；B 正确，Bonferroni 把 α/k 作为每次检验的显著性水平；C 正确，Tukey HSD 专为所有两两比较设计，控制整体误报率；D 错误，校正越严格越难发现真差异，功效反而下降。类比：安检查的行李越多、标准越严，误报越少但也越容易漏掉真违禁品。

Q10. 某 ANOVA 结果为 F=1.2，p=0.31（α=0.05），正确的结论是？

单选题 · easy

  • A.拒绝原假设，各组均值显著不同
  • B.不能拒绝原假设，现有证据不足以说明各组均值不同← 正确答案
  • C.各组均值一定完全相等
  • D.需要把 α 改成 0.10 才能看结论

答案：B。p=0.31 大于 0.05，落在 F 分布的接受域内，说明在现有数据下没有足够证据拒绝“各组均值相等”。注意 B≠C：不拒绝不等于证明相等，只是证据不足。D 是典型的 p-hacking，为了显著而改显著性水平是不诚实的做法。类比：没搜到违禁品不等于包里肯定没有，只是证据不足而已。