【统计04】方差分析前的必备检验及Prism实操指南

方差分析（ANOVA）是科研中常用的统计方法，用于比较三组及以上数据的均值差异。但若未提前验证数据是否满足分析条件，可能导致结论错误。本文将结合GraphPad Prism软件（SPSS我实在是用的少），详细讲解方差分析前的检验流程及具体操作，助你轻松规避统计陷阱。

一、方差分析前的四大核心检验

1. 正态性检验 

   目的：验证数据是否服从正态分布（或近似正态）。  
   检验方法：Shapiro-Wilk检验（小样本）、Kolmogorov-Smirnov检验（大样本）。若P值>0.05，则接受正态性假设。  
  特殊情况：若数据非正态，可通过对数转换或选择非参数检验（如Kruskal-Wallis检验）替代。

 

2.方差齐性检验

  
   目的：判断各组数据的方差是否相等。  
   常用方法：Bartlett检验（适用于正态数据）、Levene检验或Brown-Forsythe检验（对非正态数据更稳健）。若P值>0.05，则方差齐性成立。  
   失败处理：采用Welch方差分析或Brown-Forsythe矫正方法。

【统计03】 Brown-Forsythe 和 Welch 方差分析检验及prism中的使用

3. 独立性检验

   目的：确保各组数据无关联性（如重复测量数据需用重复测量方差分析）。  
   验证方法：需根据实验设计判断人工核查数据来源。

4. 异常值检测  

   目的：排除极端值对结果的干扰。  
   操作建议：通过箱线图观察数据分布，若某值超过箱体1.5倍范围则视为异常值。

二、Prism实操：从数据录入到检验完成

步骤1：数据录入与整理

如前

步骤2：正态性检验

（还是用之前数据示例）
1. 点击`Analyze` → `Column Analyses` → `Normality and Lognormality Tests`，勾选需检验的列。  

2. 结果解读：若P>0.05则满足正态性，这里是小样本，所以其实主要关注Shapiro-Wilk检验的P值结果。
 

步骤3：方差齐性检验
1. 点击`Analyze` → `Column Analyses` → `One-way ANOVA`，在参数设置中选择`Yes, Use ordinary ANOVA test`（默认执行Bartlett检验）。  

2. 结果解读：若Bartlett检验拒绝原假设，认为各组方差不相等，则需使用Welch矫正方差分析。否则则不用。

步骤4：异常值检测

箱线图（Boxplot），也称为箱须图（Box-whisker Plot），是一种用于描述数据分布情况的统计图表。它通过数据集的最小值、第一四分位数（Q1）、中位数、第三四分位数（Q3）和最大值来展示数据的分布情况。箱线图不仅可以直观地识别数据集中的异常值，还可以判断数据集的离散程度和偏向。

异常值的定义

在箱线图中，异常值通常被定义为小于 Q1 - 1.5 * IQR 或大于 Q3 + 1.5 * IQR 的值，其中 IQR 是四分位距，即 Q3 与 Q1 之间的差值。

但是prism中，如果你不手动标，所有值都会直接画进箱型图，所以在prism中暂时没找到这个的好的解决。

三、总结

方差分析前的检验是确保结果可靠的关键步骤！通过Prism的直观操作，可高效完成正态性、方差齐性、异常值等验证。若条件不满足，灵活选择矫正方法或替代检验，避免盲目依赖默认分析。掌握这些技能，你的科研图表将更具说服力！