如何在 python 中执行单向方差分析

单向方差分析（“方差分析”）用于确定三个或更多独立组的平均值之间是否存在统计显着差异。

本教程介绍如何在 Python 中执行单向方差分析。

示例：Python 中的单向方差分析

一位研究人员招募了 30 名学生参加一项研究。学生被随机分配在接下来的三周内使用三种学习技巧之一来准备考试。三周结束时，所有学生都参加相同的考试。

使用以下步骤执行单向方差分析以确定三组的平均分数是否相同。

第 1 步：输入数据。

首先，我们将每组的考试结果输入到三个单独的表中：

 #enter exam scores for each group
group1 = [85, 86, 88, 75, 78, 94, 98, 79, 71, 80]
group2 = [91, 92, 93, 85, 87, 84, 82, 88, 95, 96]
group3 = [79, 78, 88, 94, 92, 85, 83, 85, 82, 81]

第 2 步：执行单向方差分析。

接下来，我们将使用 SciPy 库中的f_oneway() 函数来执行单向方差分析：

 from scipy.stats import f_oneway

#perform one-way ANOVA
f_oneway(group1, group2, group3)

(statistic=2.3575, pvalue=0.1138)

第 3 步：解释结果。

单向方差分析使用以下原假设和备择假设：

• H ₀ （零假设）： μ ₁ = μ ₂ = μ ₃ = … = μ _k （所有总体平均值相等）
• H ₁ （零假设）：至少有一个总体平均值不同 休息

F 检验统计量为2.3575 ，相应的 p 值为0.1138 。由于 p 值不小于 0.05，因此我们无法拒绝原假设。

这意味着我们没有足够的证据表明三种学习技巧之间的考试成绩存在差异。

其他资源

以下教程提供有关单向方差分析的更多信息：

单因素方差分析简介
单向方差分析计算器
完整指南：如何报告方差分析结果