Критерий Уэлча

Критерий Уэлча (также известный как t-критерий Уэлча, критерий Уэлча — Саттертуэйта) — это статистический критерий, используемый для проверки гипотезы о равенстве средних значений двух независимых выборок. В отличие от классического двухвыборочного t-критерия Стьюдента, критерий Уэлча не предполагает равенства дисперсий в сравниваемых группах, что делает его более устойчивым (робастным) к нарушению условия гомоскедастичности.

История

Критерий был предложен британским статистиком Бернардом Уэлчем (Bernard Lewis Welch) в 1938 году как развитие идей Уильяма Госсета (псевдоним «Стьюдент»). В 1947 году Уэлч опубликовал более подробную работу, в которой привёл аппроксимацию распределения тестовой статистики и способ вычисления эффективного числа степеней свободы. Ранее, в 1946 году, американский статистик Франклин Саттертуэйт (Franklin Satterthwaite) предложил аналогичную формулу для расчёта степеней свободы, поэтому метод иногда называют «критерий Саттертуэйта». В современной статистической практике критерий Уэлча считается стандартным инструментом для сравнения двух средних, особенно в условиях, когда объёмы выборок или дисперсии существенно различаются.

Основные положения

Назначение

Критерий Уэлча предназначен для проверки нулевой гипотезы \( H_0: \mu_1 = \mu_2 \) против альтернативной гипотезы \( H_1: \mu_1 \neq \mu_2 \) (возможны также односторонние альтернативы). Он применяется к двум независимым выборкам, извлечённым из нормально распределённых генеральных совокупностей (или приблизительно нормальных). Ключевое отличие от t-критерия Стьюдента — отсутствие требования равенства дисперсий.

Тестовая статистика

Статистика критерия Уэлча вычисляется по формуле:

\[ t = \frac{\bar{X}_1 - \bar{X}_2}{\sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}} \]

где:

• \(\bar{X}_1, \bar{X}_2\) — выборочные средние,
• \(s_1^2, s_2^2\) — выборочные дисперсии,
• \(n_1, n_2\) — объёмы выборок.

Знаменатель представляет собой оценку стандартной ошибки разности средних, учитывающую неравные дисперсии.

Степени свободы

Эффективное число степеней свободы \(\nu\) для t-распределения вычисляется по формуле Уэлча — Саттертуэйта:

\[ \nu = \frac{\left( \frac{s_1^2}{n_1} + \frac{s_2^2}{n_2} \right)^2}{\frac{(s_1^2/n_1)^2}{n_1 - 1} + \frac{(s_2^2/n_2)^2}{n_2 - 1}} \]

Значение \(\nu\) обычно не является целым числом и округляется вниз до ближайшего целого для использования таблиц t-распределения. В современных статистических пакетах (R, Python, SPSS) расчёт ведётся с дробными степенями свободы.

Сравнение с t-критерием Стьюдента

Условия применения

Когда использовать критерий Уэлча

• При неравных дисперсиях (проверяется критерием Фишера или критерием Левена).
• При существенно различающихся объёмах выборок (например, \(n_1=10, n_2=100\)).
• В качестве стандартной процедуры «по умолчанию» — многие современные руководства рекомендуют всегда использовать критерий Уэлча вместо классического t-критерия, так как он даёт более надёжные результаты при минимальной потере мощности.

Предположения и ограничения

Основные допущения

1. Независимость наблюдений — данные внутри каждой выборки и между выборками независимы.
2. Нормальность распределения — каждая выборка извлечена из нормально распределённой совокупности. Критерий Уэлча достаточно устойчив к умеренным отклонениям от нормальности при больших объёмах выборок (благодаря центральной предельной теореме).
3. Случайность выборок — данные получены методом простого случайного отбора.

Ограничения

• При сильных выбросах или выраженной асимметрии распределений критерий может давать неточные результаты. В таких случаях рекомендуется использовать непараметрические аналоги (например, критерий Манна — Уитни).
• При очень малых объёмах выборок (менее 5–6 наблюдений в каждой группе) и сильной неоднородности дисперсий точность аппроксимации снижается.
• Критерий не предназначен для сравнения более двух групп (для этого используется однофакторный дисперсионный анализ с поправкой Уэлча).

Применение

В научных исследованиях

Критерий Уэлча широко применяется в медицине, биологии, психологии, экономике и технических науках. Например, при сравнении эффективности двух лекарственных препаратов, когда дисперсии ответов в группах могут различаться из-за разной чувствительности пациентов. В социальных науках его используют для анализа данных опросов, когда объёмы подгрупп (например, мужчины и женщины) не равны.

В статистических пакетах

• R: функция t.test(x, y, var.equal = FALSE) (по умолчанию var.equal = FALSE).
• Python (SciPy): scipy.stats.ttest_ind(a, b, equal_var=False).
• SPSS: в меню «Анализ» → «Сравнение средних» → «Независимые выборки T-критерий» — при выборе опции «Не предполагать равенство дисперсий».
• Excel: встроенной функции нет, но можно вычислить вручную или с помощью надстройки «Пакет анализа» (вывод включает строку «Предполагаемые неравные дисперсии»).

Пример

Исследователь сравнивает время реакции (в миллисекундах) у двух групп испытуемых: 10 человек получали стимулятор, 12 человек — плацебо. Выборочные дисперсии: \(s_1^2=2500\), \(s_2^2=900\). Классический t-критерий может дать неверный результат из-за неравенства дисперсий. Критерий Уэлча:

• Статистика: \(t = \frac{\bar{X}_1 - \bar{X}_2}{\sqrt{2500/10 + 900/12}} = \frac{\bar{X}_1 - \bar{X}_2}{\sqrt{250 + 75}} = \frac{\bar{X}_1 - \bar{X}_2}{\sqrt{325}}\).
• Степени свободы: \(\nu = \frac{(250+75)^2}{\frac{250^2}{9} + \frac{75^2}{11}} \approx \frac{105625}{6944.44 + 511.36} \approx 14.2\) (округляется до 14).

Полученное значение t сравнивается с критическим значением t-распределения с 14 степенями свободы.

Критика и альтернативы

Критика

• Некоторые исследователи отмечают, что при равенстве дисперсий и равных объёмах выборок критерий Уэлча имеет несколько меньшую мощность (на 1–3%) по сравнению с t-критерием Стьюдента. Однако на практике это различие считается несущественным.
• Формула степеней свободы является приближённой; при очень малых выборках и сильной гетероскедастичности возможны неточности.

Альтернативы

• Критерий Манна — Уитни (U-критерий) — непараметрический аналог, не требующий нормальности распределения.
• Бутстреп-тест — перестановочный метод, не опирающийся на параметрические предположения.
• Критерий Брауна — Форсайта — модификация для нескольких групп (аналог однофакторного ANOVA с поправкой на неравные дисперсии).

Интересные факты

• В 2010 году группа статистиков (Ruxton, 2006; Zimmerman, 2004) рекомендовала полностью заменить классический t-критерий Стьюдента на критерий Уэлча в учебных курсах и статистических пакетах по умолчанию.
• Критерий Уэлча является частным случаем более общего подхода — обобщённого метода моментов (GMM) для сравнения средних.
• В некоторых источниках критерий называют «t-критерий с поправкой Уэлча» или «непараметрический t-критерий» (что не совсем точно, так как он всё же параметрический).

Источники

• Welch, B. L. (1938). "The significance of the difference between two means when the population variances are unequal". Biometrika, 29(3/4), 350–362.
• Welch, B. L. (1947). "The generalization of 'Student's' problem when several different population variances are involved". Biometrika, 34(1/2), 28–35.
• Satterthwaite, F. E. (1946). "An approximate distribution of estimates of variance components". Biometrics Bulletin, 2(6), 110–114.
• Ruxton, G. D. (2006). "The unequal variance t-test is an underused alternative to Student's t-test and the Mann–Whitney U test". Behavioral Ecology, 17(4), 688–690.
• Zimmerman, D. W. (2004). "A note on the power of the t test with unequal variances". Journal of Educational and Behavioral Statistics, 29(2), 207–218.