重複量數變異數分析計算器 - F統計量與效果量
進階統計檢定
請在下方輸入資料。每一列代表一位受試者,每一欄代表不同條件或時間點。數值可用逗號、空格或定位字元分隔。
重複量數變異數分析計算器 - F統計量與效果量
進階統計檢定
每列 = 1 位受試者;每欄 = 1 個條件。範例:同一列輸入 8,9,7。
關於重複量數 ANOVA 計算器
重複量數變異數分析(ANOVA)是一種用於同一批受試者在多個條件或不同時間點下被重複測量的統計技術。與組間 ANOVA 不同,重複量數設計會將每位受試者視為自己的對照,因此能控制個體差異,並顯著提升統計力。
這個計算器執行單因子重複量數 ANOVA。此設計包含一個組內因子(條件或時間),共有 k 個水準,並在 n 位受試者上量測。資料中的總變異可分為三個部分:由條件差異所造成的變異(關注的因素)、由受試者個體差異所造成的變異,以及殘差誤差變異。
F 統計量的計算方式為條件間均方(MSbetween)除以誤差均方(MSerror)。若 F 值相對於 F 分配的臨界值夠大(其中 dfbetween = k−1,dferror = (n−1)(k−1)),表示至少有一個條件平均數與其他條件有顯著差異。
效果量以 η²(Eta 平方)衡量,其值等於 SS_between 除以 SS_total。依 Cohen 的慣例,η² = 0.01 為小效果、0.06 為中等效果、0.14 以上為大效果。已發表研究中常報告偏 η²,因為它著重於因素本身所解釋的變異比例。
此計算器假設球形性成立,也就是所有條件兩兩差值的變異數相等。當此假設被違反(可由 Mauchly 檢定偵測)時,研究者通常會採用 Greenhouse-Geisser 或 Huynh-Feldt 校正來調整自由度。對於探索性分析與快速檢查,這裡計算的未校正 F 與 η² 仍是很實用的起點。
本工具適用於教學與初步分析。若要取得可發表等級的結果,特別是在設計複雜或懷疑球形性違反時,請使用專門的統計軟體,例如 SPSS、R(搭配 ez 套件)或 Python(搭配 pingouin)。
重複量數 ANOVA 範例
這些範例示範如何解讀重複量數 ANOVA 的結果。
| 資料(列=受試者) | F統計量 | 解讀 |
|---|---|---|
| 8,9,7 / 10,11,9 / 6,8,5(3 名受試者 × 3 個條件) | F ≈ 37.4, η² ≈ 0.28 | 條件效果很強 |
| 4,7,6,9 / 3,5,4,8 / 6,8,9,11 / 2,5,3,7 (4 × 4) | F ≈ 50.7, η² ≈ 0.53 | 效果量很大 |
| 3,5,4,7 / 2,4,6,5 / 5,7,3,9(3 × 4,不規則模式) | F ≈ 2.84, η² ≈ 0.50 | F 不顯著,η² 中等 |
如何使用這個計算器
- 輸入資料時,每一列代表一位受試者,每一欄代表一個條件或時間點。
- 列內數值可用逗號、空格或定位字元分隔;每位受試者請另起一列。
- 點擊「計算」以執行單因子重複量數 ANOVA。
- 檢視 ANOVA 表中的 SS、df、MS 與各變異來源的 F 統計量。
- 查看 η² 值,以評估條件效果的實際重要性。
常見問題
什麼時候應該使用重複量數 ANOVA,而不是單因子 ANOVA?
當同一批受試者在所有條件下都被測量時,應使用重複量數 ANOVA。它比組間 ANOVA 更有統計力,因為它將個體差異從誤差項中移除,使得用較少受試者也更容易偵測到真實的條件效果。
什麼是球形性假設?
球形性要求所有條件兩兩差值的變異數相等。違反此假設會使第一類錯誤率上升。Mauchly 檢定用來檢查此假設;若不成立,應對自由度套用 Greenhouse-Geisser 或 Huynh-Feldt 校正。
η²(Eta 平方)告訴我什麼?
η²表示組內因子所解釋的總變異比例。依慣例,0.01、0.06 與 0.14 分別視為小、中、大效果。對 ANOVA 而言,它是一種容易理解的效果量。
重複量數 ANOVA 需要多少受試者?
通常建議至少 5–10 位受試者,以獲得足夠的統計力。不過,更正確的做法是依預期效果大小與目標統計力(通常為 0.80)進行正式的功效分析。若預期效果較小,就需要更多受試者。
如果我的資料違反球形性怎麼辦?
可套用 Greenhouse-Geisser 校正(ε)來調整自由度,使 F 檢定更保守。當 ε 接近 1 時,表示球形性大致符合;若球形性嚴重違反(ε < 0.75),通常優先使用 Greenhouse-Geisser 校正。
這個計算器可以用於雙因子重複量數設計嗎?
不可以,這個計算器只處理單因子重複量數 ANOVA(單一組內因子)。若是包含兩個組內因子的雙因子設計,或同時包含組內與組間因子的混合設計,則需要使用 R、SPSS 或 Python 的 pingouin 等專門軟體。