自 2010 年 · 每月支持超过 200 万次工具运行
自 2010 年
添加到 Chrome

我的工具箱

自动模式

还没有收藏的工具。

升级为高级版
相关工具
Mann-Whitney U 检验计算器t检验计算器Kruskal Wallis 检验计算器Cohen's d 计算器卡方检验计算器效果量计算器F检验/F分布计算器
主页 > 数学 > 统计与数据分析
 

anova计算器

进行单因素方差分析（ANOVA）以确定组均值之间是否存在显著差异。包括完整的方差分析表、效应量（eta-squared、omega-squared）、交互式可视化以及分步假设检验。

免费使用无需注册2026年1月更新
anova计算器立即免费试用 ▼

比较多个小组之间的均值

尝试示例数据集：

在单独的行中输入每组的数据。在每行内，用逗号、空格或制表符分隔数字。

Embed anova计算器 Widget

anova计算器

欢迎使用 anova计算器，这是一个执行单因素方差分析的专业统计分析工具。此计算器可计算完整的 ANOVA 表，包括平方和、自由度、均方、F 统计量和 p 值。它还提供效应量测量（eta 平方和 omega 平方）、交互式可视化、逐步假设检验以及详细的小组统计信息。

什么是 ANOVA（方差分析）？

方差分析 (ANOVA) 是一种强大的统计方法，用于确定三个或更多独立组的均值是否存在统计学上的显著差异。ANOVA 由罗纳德·费舍尔 (Ronald Fisher) 开发，它通过比较组间 (between) 方差与组内 (within) 方差，来评估组成员身份是否对结果变量产生显著影响。

当您需要同时比较多个组时，ANOVA 特别有价值。运行多次 t 检验会夸大第一类错误率（假阳性），而 ANOVA 通过在单次分析中检验所有组来控制这一点。

F 统计量

F 统计量公式
$$F = \frac{MS_{Between}}{MS_{Within}} = \frac{SS_{Between} / df_{Between}}{SS_{Within} / df_{Within}}$$

F 统计量是组间方差与组内方差的比值。较大的 F 值表示组间均值差异相对于组内变异性更大。

ANOVA 表组成部分

组成部分 描述 公式
组间平方和 (SS Between) 衡量由组别差异引起的变异 $\sum n_i(\bar{x}_i - \bar{x})^2$
组内平方和 (SS Within) 衡量每个小组内部的变异 $\sum\sum(x_{ij} - \bar{x}_i)^2$
总平方和 (SS Total) 数据中的总变异量 $SS_{Between} + SS_{Within}$
组间自由度 (df Between) 组间比较的自由度 $k - 1$ (k = 组数)
组内自由度 (df Within) 组内比较的自由度 $N - k$ (N = 总观测数)
组间均方 (MS Between) 组间平均方差 $SS_{Between} / df_{Between}$
组内均方 (MS Within) 组内平均方差（误差方差） $SS_{Within} / df_{Within}$

如何使用此计算器

  1. 输入组数据：在单独的行中输入每组的数据。在每行内，用逗号、空格或制表符分隔数字。您至少需要 2 个组，且每组至少有 2 个数值。
  2. 设置显著性水平 (alpha)：选择您的显著性阈值。常见的选择是 0.05（95% 置信度）或 0.01（99% 置信度）。
  3. 选择小数精度：选择结果显示的小数位数 (2-10)。
  4. 计算并分析：点击“计算 ANOVA”查看包括 ANOVA 表、效应量、可视化和假设检验结论在内的综合结果。

解读您的结果

统计显著性

效应量解释

Eta 平方 (η²) 代表由组成员身份解释的总方差比例：

ANOVA 假设

为了获得有效的 ANOVA 结果，应满足以下假设：

  1. 独立性： 组内和组间的观测值均相互独立。
  2. 正态性： 每组数据近似服从正态分布。ANOVA 对中度违背此假设的情况具有稳健性，尤其是样本量较大时。
  3. 方差齐性： 所有组的方差大致相等（同方差性）。这可以通过 Levene 检验或 Bartlett 检验进行测试。

ANOVA 的应用

医学研究

比较多种治疗方法、药物或剂量对患者疗效的影响。例如，测试三种不同的药物治疗是否产生不同的康复时间。

教育

评估不同的教学方法、课程或课堂环境是否影响学生的成绩。例如：比较使用不同教学方法的班级测试成绩。

农业

测试不同肥料、灌溉方法或作物品种对产量的影响。例如：比较不同处理的小块土地的作物产量。

市场营销

分析不同的广告策略、定价模型或产品设计是否影响销售业绩。例如：比较不同落地页设计的转化率。

制造业

质量控制测试，用于比较不同机器、生产线或供应商的产出。例如：测试来自不同工厂的产品是否具有一致的质量指标。

常见问题解答

什么是 ANOVA（方差分析）？

ANOVA（方差分析）是一种统计方法，用于检验三个或更多独立样本组的均值是否存在显著差异。它通过 F 统计量比较组间方差与组内方差。如果 F 统计量较大且 p 值较小（通常 < 0.05），我们则认为至少有一组的均值与其他组存在显著差异。

如何解读 ANOVA 结果？

解读 ANOVA 结果的步骤：(1) 检查 p 值 - 如果 p < 0.05，则组间均值存在统计学上的显著差异。(2) 查看 F 统计量 - 较大的数值表示组间差异相对于组内变异更大。(3) 检查效应量 (eta-squared) - 0.01、0.06 和 0.14 分别代表小、中、大效应。(4) 如果结果显著，需进行事后检验 (post-hoc tests) 以确定具体哪些组之间存在差异。

单因素 ANOVA 和双因素 ANOVA 有什么区别？

单因素 ANOVA 测试单个自变量（因素）对跨多个组的因变量的影响。双因素 ANOVA 同时测试两个自变量的影响，还可以检查它们的交互作用。此计算器执行的是单因素 ANOVA，适用于比较由单个分类变量定义的各组均值。

ANOVA 中的 eta-squared 是什么？

Eta 平方 (η²) 是 ANOVA 中的一种效应量测量指标，代表因变量的总方差中由自变量（组别）解释的比例。其取值范围为 0 到 1，其中 0.01 = 小效应，0.06 = 中等效应，0.14 = 大效应。计算公式为 SS_between / SS_total。

ANOVA 需要哪些假设？

ANOVA 假设：(1) 独立性 - 组内和组间的观测值相互独立；(2) 正态性 - 每组数据近似服从正态分布；(3) 方差齐性 - 各组的方差大致相等（同方差性）。ANOVA 对适度的正态性偏差具有稳健性，尤其是样本量较大时，但方差不齐可能会影响结果。

什么时候应该使用 ANOVA 而不是 t 检验？

在比较三个或更多组时，应使用 ANOVA 而不是多次 t 检验。运行多次 t 检验会增加第一类错误率（假阳性）。例如，使用 t 检验比较 4 个组需要进行 6 次独立的检验，这增加了发现虚假显著结果的机会。ANOVA 通过在单次分析中同时检验所有组来控制这种族误差率。

其他资源

引用此内容、页面或工具为：

"anova计算器" 于 https://MiniWebtool.com/zh-cn/anova计算器/，来自 MiniWebtool，https://MiniWebtool.com/

由 miniwebtool 团队提供。更新日期：2026年1月20日

开发者 API 可用: 用一次 JSON HTTP 请求，把这个工具接入你的应用、自动化流程或智能体。 查看 API 文档

您还可以尝试我们的 AI数学解题器 GPT，通过自然语言问答解决您的数学问题。

统计与数据分析:

热门与最新工具:

费舍尔精确检验计算器列联表计算器p值计算器查看全部 →
主页 > 数学 > 统计与数据分析 > anova计算器