Дисперсионный анализ¶

Дисперсионный анализ (ANOVA, от англ. Analysis of Variance) — это статистический метод, предназначенный для сравнения средних значений двух или более групп (выборок) путём анализа дисперсии (разброса) данных. Основная идея метода заключается в разложении общей дисперсии наблюдаемого признака на компоненты, обусловленные влиянием изучаемых факторов, и на случайную (остаточную) дисперсию, связанную с ошибками измерения или неучтёнными факторами. Если межгрупповая вариация (вызванная фактором) значимо превышает внутригрупповую (случайную), делается вывод о статистически значимом различии между группами. Метод был разработан английским статистиком Рональдом Фишером в 1920-х годах.

¶История

Основы дисперсионного анализа были заложены Рональдом Фишером в 1918 году в работе «О корреляции между родственниками в предположении менделевского наследования», где он впервые применил разложение дисперсии для генетических исследований. В 1925 году в книге «Статистические методы для исследователей» Фишер формализовал метод и ввёл F-критерий (F-распределение Фишера) для проверки гипотез. Первоначально метод применялся в агробиологии для анализа урожайности сельскохозяйственных культур в зависимости от сорта, удобрений и условий выращивания. В 1930-е годы дисперсионный анализ был распространён на экспериментальные планы с несколькими факторами (двухфакторный, многофакторный ANOVA). В середине XX века развитие вычислительной техники позволило применять метод к сложным многофакторным моделям, а в 1970-е годы появились обобщения для непараметрических данных и повторных измерений.

¶Основные понятия и принципы

¶Дисперсия и её разложение

Дисперсионный анализ основан на разложении общей суммы квадратов отклонений (SS_total) на две составляющие:

SS_between (межгрупповая сумма квадратов) — вариация, обусловленная различиями между средними значениями групп.
SS_within (внутригрупповая сумма квадратов) — вариация, обусловленная случайными отклонениями внутри каждой группы.

Формула разложения: SS_total = SS_between + SS_within.

Далее вычисляются средние квадраты (MS) делением SS на соответствующие степени свободы (df). Отношение MS_between к MS_within даёт F-статистику, которая сравнивается с критическим значением F-распределения для проверки нулевой гипотезы (H0: все групповые средние равны).

¶F-критерий

F-критерий Фишера — основной инструмент проверки значимости в ANOVA. Если вычисленное значение F превышает табличное при заданном уровне значимости (обычно α = 0,05), нулевая гипотеза отвергается, что свидетельствует о наличии статистически значимых различий между группами. В противном случае различия считаются незначимыми.

¶Предположения (условия применимости)

Для корректного применения классического дисперсионного анализа необходимо выполнение следующих условий:

Нормальность распределения — данные в каждой группе должны быть приблизительно нормально распределены (проверяется тестами Шапиро-Уилка, Колмогорова-Смирнова или визуально по гистограммам).
Гомогенность дисперсий — дисперсии сравниваемых групп должны быть равны (проверяется тестом Левена, тестом Бартлетта или F-тестом).
Независимость наблюдений — данные в группах должны быть независимы друг от друга (обеспечивается случайной выборкой и рандомизацией эксперимента).
Количественная зависимая переменная — измеряемый признак должен быть непрерывным (интервальная или относительная шкала).

При нарушении этих условий применяются робастные методы (например, критерий Уэлча, тест Краскела-Уоллиса) или преобразования данных (логарифмирование, возведение в квадрат).

¶Классификация видов дисперсионного анализа

¶По количеству факторов

Однофакторный дисперсионный анализ (One-way ANOVA) — сравниваются средние значения трёх и более групп по одному фактору. Например, сравнение урожайности пшеницы при использовании трёх разных удобрений.
Двухфакторный дисперсионный анализ (Two-way ANOVA) — анализируется влияние двух факторов одновременно, а также их взаимодействие. Например, влияние сорта растения и типа почвы на урожайность.
Многофакторный дисперсионный анализ (N-way ANOVA) — обобщение на любое количество факторов (три, четыре и более). Применяется в сложных экспериментах, например, в фармакологии для оценки влияния дозы препарата, пола и возраста пациента на эффективность лечения.

¶По типу плана

ANOVA с фиксированными эффектами — уровни фактора специально заданы экспериментатором (например, три конкретных сорта пшеницы). Выводы распространяются только на эти уровни.
ANOVA со случайными эффектами — уровни фактора случайным образом выбраны из генеральной совокупности (например, 10 случайных партий сырья). Выводы распространяются на всю совокупность.
Смешанная модель (Mixed-effects ANOVA) — включает как фиксированные, так и случайные эффекты. Часто используется в психологии и медицине при анализе повторных измерений.

¶По структуре данных

Одномерный дисперсионный анализ (ANOVA) — анализируется одна зависимая переменная.
Многомерный дисперсионный анализ (MANOVA) — анализируется несколько зависимых переменных одновременно. Позволяет выявить влияние факторов на вектор зависимых переменных.
ANOVA с повторными измерениями (Repeated measures ANOVA) — используется, когда одни и те же объекты измеряются в разные моменты времени или при разных условиях. Например, оценка уровня тревожности пациентов до, во время и после терапии.

¶Процедура проведения дисперсионного анализа

Формулировка гипотез:

H0: μ1 = μ2 = ... = μk (все групповые средние равны).
H1: хотя бы одно среднее отличается.

Сбор данных — получение независимых выборок из каждой группы.
Проверка предположений — тесты на нормальность и гомогенность дисперсий.
Расчёт статистик — вычисление SS_between, SS_within, df, MS, F-статистики.
Принятие решения — сравнение F с критическим значением или расчёт p-значения.
Апостериорные тесты — если H0 отвергнута, проводятся попарные сравнения (например, тест Тьюки, тест Шеффе, критерий Бонферрони) для выявления конкретных различающихся групп.

¶Применение

¶Научные исследования

Биология и медицина: сравнение эффективности лекарств, анализ влияния генетических факторов на фенотипические признаки, оценка результатов клинических испытаний.
Сельское хозяйство: определение оптимальных сортов, удобрений, режимов полива.
Психология и социология: изучение различий в поведении, когнитивных способностях, уровне дохода между группами (например, по полу, возрасту, образованию).
Экономика: анализ влияния рекламных кампаний на объём продаж, сравнение производительности труда в разных отраслях.

¶Промышленность и инженерия

Контроль качества: сравнение параметров продукции, произведённой на разных станках или из разных материалов.
Оптимизация процессов: выявление значимых факторов, влияющих на выход продукта или энергопотребление.

¶Образование

Сравнение успеваемости студентов при разных методах обучения.
Оценка эффективности образовательных программ.

¶Ограничения и критика

Чувствительность к нарушениям предположений: при сильных отклонениях от нормальности или гетерогенности дисперсий F-критерий может давать ложные результаты. Рекомендуется использовать робастные альтернативы (например, критерий Уэлча, тест Краскела-Уоллиса).
Проблема множественных сравнений: при большом числе групп апостериорные тесты требуют коррекции уровня значимости (например, поправка Бонферрони), иначе возрастает риск ошибок первого рода.
Интерпретация взаимодействий: в многофакторном ANOVA значимое взаимодействие факторов усложняет интерпретацию главных эффектов. Требуется детальный анализ (например, графики взаимодействия, простые эффекты).
Неприменимость к ординальным данным: классический ANOVA предназначен для непрерывных переменных. Для порядковых шкал используются непараметрические аналоги (критерий Краскела-Уоллиса, медианный тест).

¶Примеры

¶Пример 1: Однофакторный ANOVA

Исследователь изучает влияние трёх диет (A, B, C) на потерю веса у 30 добровольцев (по 10 человек в каждой группе). После 8 недель измеряется потеря веса в кг. Проводится однофакторный ANOVA. Результат: F = 5,42, p = 0,01. Нулевая гипотеза отвергается, значит, хотя бы одна диета отличается по эффективности. Апостериорный тест Тьюки показывает, что диета B значимо эффективнее диеты A, но не отличается от диеты C.

¶Пример 2: Двухфакторный ANOVA

В агрономическом эксперименте изучается влияние сорта кукурузы (три сорта) и типа удобрения (органическое, минеральное) на урожайность. Проводится двухфакторный ANOVA. Анализ выявляет значимое влияние сорта (F = 8,12, p < 0,001) и удобрения (F = 4,56, p = 0,035), а также их взаимодействие (F = 3,21, p = 0,048). Это означает, что эффект удобрения различается в зависимости от сорта кукурузы.

¶Интересные факты

Термин «дисперсионный анализ» ввёл Рональд Фишер в 1918 году, но сам метод он называл «анализом дисперсии» (analysis of variance), что позже стало аббревиатурой ANOVA.
F-распределение Фишера названо в честь Рональда Фишера, хотя первоначально оно было открыто английским статистиком Джорджем Снедекором в 1934 году.
В 1960-е годы американский статистик Джон Тьюки разработал апостериорный тест (HSD, honestly significant difference), который до сих пор является одним из самых популярных для попарных сравнений после ANOVA.
Дисперсионный анализ является частным случаем линейной регрессии: модель ANOVA можно представить как регрессионную модель с фиктивными переменными (dummy variables).

¶Источники

Fisher R.A. Statistical Methods for Research Workers. — Edinburgh: Oliver and Boyd, 1925.
Scheffé H. The Analysis of Variance. — New York: Wiley, 1959.
Montgomery D.C. Design and Analysis of Experiments. — 8th ed. — Hoboken: Wiley, 2013.
Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии. — М.: Прогресс, 1976.
Кендалл М.Дж., Стьюарт А. Статистические выводы и связи. — М.: Наука, 1973.

BFOmetr — база данных и аналитика по компаниям России.

На главную BFOmetr →