方差分析（ANOVA）

1. 字幕依据
   观察依据

   屏幕文字显示：“$H_0$：三个组的均值相同。”

2. 声音
   观察依据

   讲解员说，零假设指出三个组的平均反应时间相同。

$H_0$

三组比较的零假设；此处表明三个组的平均反应时间相同。

应用于本例中的三个实验组。

1. 字幕依据
   观察依据

   公式显示为 F = 组间 / 组内。

2. 声音
   观察依据

   讲解员说，需计算组间方差与组内方差的比值。

1. 所展示的公式使用文字标签，而非正式的均方记号。

F

方差分析中使用的比值统计量，本片段中定义为组间方差除以组内方差。

用于本片段所述方差分析（ANOVA）框架下对两个以上组均值的比较。

1. 公式
   观察依据

   幻灯片展示了该比值，写作 F = 组间 / 组内。

2. 声音
   观察依据

   讲述者提到组间方差与组内方差的比值。

F

方差分析（ANOVA）检验统计量，表示为组间方差与组内方差的比值。

示例中使用的非负比值；视频未明确说明其正式取值范围。

1. 公式
   观察依据

   幻灯片文字包含“（拒绝 $H_0$）”。

2. 声音
   观察依据

   讲述者指出，比值越大，各组均值存在差异的可能性越高，此时应拒绝原假设。

$H_0$

视频中方差分析（ANOVA）情境下的原假设。

关于各组的假设；视频将其表述为：当证据表明均值不同时，被拒绝的假设。

1. 公式
   观察依据

   幻灯片显示 $F(b, w)$，并指出 b = 组数 - 1。

2. 声音
   观察依据

   讲述者解释 $F(2, 12)$ 中的两个数字分别代表组间方差和组内方差的自由度。

b

组间方差的自由度。

由公式 b = 组数 - 1定义。

1. 公式
   观察依据

   幻灯片展示 $F(b, w)$，并说明 w = 观测总数 - 组数。

2. 声音
   观察依据

   讲解员指出 $F(2, 12)$ 中的第二个数是组内方差的自由度。

w

组内方差的自由度。

由公式 w = 观测总数 - 组数定义。

1. 公式
   观察依据

   绿色框中显示 p = .04。

2. 声音
   观察依据

   讲解员称该比值出现的概率为 .04。

1. 视频将 p 称为概率，但未定义其抽样分布，也未阐明 p 值的确切含义。

p

伴随方差分析（ANOVA）结果报告的概率值。

在示例中显示为 .04。

1. 声音
   观察依据

   讲解员将两组比较的 t 检验与三组及以上比较的不同方法进行对比，并指出该方法名为方差分析。

视频指出，当需比较三个或更多组的均值时，应采用方差分析；而 t 检验仅适用于仅有两个组的情形。

1. 正在比较三个或更多组。

2. 目标是判断各组均值是否存在差异。

1. 三组示例的零假设

1. 声音
   观察依据

   讲解员指出，所有得分的总变异由两部分构成：组内变异和组间变异。

2. 图示
   观察依据

   每个列周围的椭圆表示组内离散程度；列之间的箭头表示组间离散程度。

在本入门性讲解中，观测得分的总变异被划分为组内变异和组间变异：组内变异源于同一组内个体之间的差异，组间变异则与各组自身之间的差异相关。

1. 数据被组织成多个组。

2. 正在分析测量响应在这些组之间的变异情况。

1. 字幕依据
   观察依据

   屏幕文字：$H_0$：三个组的均值相同。

2. 声音
   观察依据

   讲解员指出，零假设表明三个组的平均反应时间相同。

该片段将零假设定义为三个饮品组的平均反应时间相等。

1. 所展示的示例中恰好包含三个组。

2. 被比较的量是平均反应时间。

1. 字幕依据
   观察依据

   公式呈现为 F = 组间 / 组内。

2. 声音
   观察依据

   讲解员说明：需先算出总方差中有多少来自组间方差、多少来自组内方差，再求二者之比。

1. 该片段未展示均方的正式定义或自由度。

视频将方差分析（ANOVA）检验统计量定义为组间方差与组内方差的比值。

1. 已将总方差分解为组间与组内两个部分。

1. 总变异的分解

1. 公式
   观察依据

   开场幻灯片文字为：计算总方差中有多少来自：组间方差；组内方差。

2. 声音
   观察依据

   讲解员描述组间方差与组内方差的比值，并说明该比值用于判断是否拒绝原假设。

视频将方差分析的核心思想定义为：将总方差分解为两个来源——组间方差与组内方差。随后，通过这两个来源的比值进行比较，以判断各组均值的差异是否足够大，从而拒绝零假设。

1. 需要比较多个组。

2. 该比较以方差成分的形式展开。

3. 结论以概率方式陈述，而非确定性规则。

1. 公式
   观察依据

   幻灯片显示 $F(b, w)$，其中 b = 组数 - 1，w = 总观测数 - 组数。

2. 声音
   观察依据

   讲解者指出，这些分别是报告方差分析结果时，组间方差与组内方差对应的自由度。

报告方差分析结果时，视频将检验统计量写作 $F(b, w)$，其中 b 是组间方差对应的自由度，w 是组内方差对应的自由度。

1. 用于报告方差分析结果。

2. 适用于示例中展示的单因素分组结构。

1. 方差分析（ANOVA）的核心思想。

1. 声音
   观察依据

   讲解者指出，这种分离方差的技巧不仅适用于三个或更多组的情形，也适用于多个变量的情形。

2. 图示
   观察依据

   出现一个表格，列标题为饮品类型，行标题为上午/下午条件，随后用红色和蓝色方框分别标出列因子与行因子。

1. 视频未展示双因素方差分析的平方和公式或交互作用的自由度。

视频将同样的方差分解思想推广到单一分组因素之外。当存在两个因素（例如饮品类型和一天中的时段）时，方差分析可分别评估每个因素的效应，并检验这两个因素之间是否存在交互作用。

1. 有多个分类变量用于定义组别。

2. 示例中使用了以网格形式排列的两个因素。

3. 视频以概念性方式介绍该思想，而非推导完整的双因素方差分析计算体系。

1. 方差分析（ANOVA）的核心思想。

1. 声音
   观察依据

   讲解员指出：若仅有两组，则可使用 t 检验来判断它们之间是否存在差异。

1. 本片段未陈述 t 检验的任何前提假设。

对于仅比较两组的情形，视频指出可使用 t 检验来判断它们之间是否存在差异。

1. 恰好有两个组。

在仅有两个组的情况下。

1. 声音
   观察依据

   解说员指出，当你有三个或更多组时，需要采用不同的方法，即方差分析。

1. 该片段未解释为何重复进行 t 检验是不恰当的。

当存在三个或更多组时，视频指出应使用方差分析而非 t 检验。

1. 正在比较的组至少有三个。

对于三个或更多组。

1. 字幕依据
   观察依据

   结论文字：“起决定作用的是人，而不是饮品。”

2. 声音
   观察依据

   解说员指出，大部分差异源于人，饮品并未造成显著差异，因此你会接受原假设。

1. 该片段以非正式语言谈及接受原假设，但未讨论显著性水平或检验统计量的计算。

在例1中，由于组内变异较大而组间变异较小，视频得出结论：饮品类型影响不大，因此接受零假设。

1. 使用了所展示的例1数据。

2. 组内变异远大于组间变异。

针对所展示的特定例1数据集。

1. 字幕依据
   观察依据

   结论文字：“起决定作用的是饮品，而非人。”

2. 声音
   观察依据

   旁白称，在这种情况下，你将拒绝零假设，且饮品类型存在显著差异。

1. 该片段中未计算具体的F值或p值。

在例2中，由于组内变异较小而组间变异较大，视频得出结论：饮品类型存在显著差异，因此拒绝零假设。

1. 使用了所展示的例2数据。

2. 组间变异远大于组内变异。

针对所展示的特定例2数据集。

1. 公式
   观察依据

   幻灯片文字说明：比值越大，各组均值不同的可能性就越大（拒绝$H_0$）。

2. 声音
   观察依据

   讲解员指出，这个数值越大，各组均值真实不同的可能性就越大，因此应拒绝零假设。

1. 该主张以可能性陈述的形式呈现，并非带有明确显著性水平或分布假设的严格定理。

在视频所采用的方差分析框架中，组间方差与组内方差的比值越大，则各组均值不同的可能性越大，因而越支持拒绝$H_0$。

1. 正在比较多个组。

2. 方差已被分解为组间成分和组内成分。

3. 决策依据所报告的比值及其对应的概率作出。

通过多个示例进行对比说明：随着该比值增大，得出均值存在差异的结论的可能性也随之增大。

1. 公式
   观察依据

   幻灯片文字显示：如果大部分变异来自组间，则很可能存在显著效应。

2. 图示
   观察依据

   三个带括号的列显示各列内部数值紧密聚集，但列与列之间的差异很大。

1. “很可能”一词表明这是一种非正式的经验法则，而非完全形式化的判定标准。

如果大部分变异来自组间，视频中指出则很可能存在显著效应。

1. 数据可被划分为若干组。

2. 可以比较组间变异与组内变异的相对大小。

关于变异主要来源的条件式经验法则。

1. 公式
   观察依据

   幻灯片文字显示：如果大部分变异来自组内，则很可能不存在显著效应。

2. 图示
   观察依据

   三个椭圆包含的数值分布范围较广，而各组中心在视觉上却较为接近。

1. 该主张以非正式方式提出，使用了“可能”一词，且未给出形式化的假设。

如果大部分变异来自组内，视频指出该效应很可能不显著。

1. 数据可被划分为若干组。

2. 可以比较组间变异与组内变异的相对大小。

关于变异主要来源的条件式启发法。

1. 声音
   观察依据

   讲述者将总变异解释为两个部分，接着分析两个对比鲜明的例子，最后提出比值思想。

2. 图示
   观察依据

   画面在表示组内离散程度的椭圆形与表示组间离散程度的箭头之间交替呈现。

1. 这是一种直观推导，而非方差分析（ANOVA）检验的严格证明。

1. 公式

   $$$$
   解释

   从多个组中收集到某一测量结果；本片段中该结果为三组饮品受试者的反应时间。

   步骤依据

   音频与画面中呈现的实际实验设置。

   视频直接表达
2. 公式

   $$$$
   解释

   意识到观测得分并非全部相同，因此数据中存在总变异。

   步骤依据

   讲述者明确指出这些得分不会完全相同。

   视频直接表达
3. 公式

   $$$$
   解释

   将总变异拆分为组内变异与组间变异两部分。

   步骤依据

   讲述者陈述这种两部分分解方式，图示也同时标注了这两个变异来源。

   视频直接表达
4. 公式

   $$$$
   解释

   对比两种截然不同的数据模式：一种是组内离散程度大但各组中心位置相近；另一种是组内离散程度小但各组中心位置差异极大。

   步骤依据

   例子1与2并排呈现，并配有明确的结论文字。

   视频直接表达
5. 公式

   $$F = \frac{\text{between groups}}{\text{within groups}}$$
   解释

   通过计算组间方差与组内方差的比值来总结这种比较。

   步骤依据

   最后一张幻灯片展示了该公式，旁白描述了求取这一比值的过程。

   视频直接表达

该片段通过将F统计量视为组间变异与组内变异的比较，引出方差分析（ANOVA）。

1. 公式
   观察依据

   示例幻灯片报告 $F(2, 12) = 4.27$，p = .04。

2. 公式
   观察依据

   后续幻灯片给出 b = 组数 - 1，w = 总观测数 - 组数。

3. 图示
   观察依据

   先前的示例幻灯片显示有 3 种饮料组，每组含 5 个观测值。

1. 视频本身并未口头计算 3 - 1 和 15 - 3；这些算术运算需根据所展示的公式和数据布局推断得出。

1. 公式

   $$\text{number of groups} = 3$$
   解释

   该示例展示了三类饮品：水、果汁和咖啡。

   步骤依据

   直接从示例幻灯片上三个带标签的列中观察得出。

   视频直接表达
2. 公式

   $$\text{total number of observations} = 15$$
   解释

   这三组中的每一组都列出了五个反应时间数值。

   步骤依据

   直接从 3 的列中观察得出，5 每列包含

   视频直接表达
3. 公式

   $$b = 3 - 1 = 2$$
   解释

   组间自由度等于组数减一。

   步骤依据

   使用所展示的公式 b = 组数 - 1。

   依据视频推导
4. 公式

   $$w = 15 - 3 = 12$$
   解释

   组内自由度等于观测总数减去组数。

   步骤依据

   使用所展示的公式 w = 观测总数 - 组数。

   依据视频推导

该示例报告的记号 $F(2, 12)$ 与所展示的公式一致，前提是将该示例理解为含有3组和15个总观测数。

1. 图示
   观察依据

   一个类似表格的网格中，饮品类型显示在顶部，而上午/下午图标显示在左侧。

2. 动画
   观察依据

   一个红色方框高亮显示顶部一行饮品图标，随后一个蓝色方框高亮显示左侧一列时段图标。

3. 声音
   观察依据

   讲解员指出，方差分析（ANOVA）可以判断饮品类型是否存在显著效应、时段是否产生影响，或二者是否存在某种交互作用。

1. 视频未代数化地写出交互项，也未展示交互平方和的计算方法。

1. 公式

   $$\text{columns} = \text{drink type}$$
   解释

   网格的横轴代表第一个因素：饮品类型。

   步骤依据

   从网格顶部横向排列的三种饮品图标可观察到这一点。

   视频直接表达
2. 公式

   $$\text{rows} = \text{time of day}$$
   解释

   纵轴代表第二个因素：上午 versus 晚上。

   步骤依据

   从左侧排列的太阳与月亮/云朵图标可观察到这一点。

   视频直接表达
3. 公式

   $$\text{cell entries} = \text{reaction times for each combination}$$
   解释

   每个单元格列出某一特定饮品与一天中某一时段组合下的数值结果。

   步骤依据

   从网格单元格内部的数字可观察到这一点。

   视频直接表达
4. 公式

   $$\text{column effect} + \text{row effect} + \text{interaction}$$
   解释

   旁白将相同的方差分解思想解释为：可分别检验饮品效应、时段效应及其交互效应。

   步骤依据

   这一解读得到音频讲解的支持，同时红色与蓝色高亮框也分别标示出这两个因素。

   依据视频推导

该可视化网格展示了方差分析（ANOVA）如何从单一分组变量推广至两个因素，从而可分别考察各因素的效应及其交互效应。

1. 声音
   观察依据

   旁白描述了一项实验：三组受试者分别饮用水、含糖果汁和咖啡，随后测试所有人的反应时间。

2. 图示
   观察依据

   依次出现水杯、插着吸管的果汁杯、咖啡杯和秒表的图片。

1. 该片段未说明每组的样本量、随机化细节或测量规程。

判断人们所饮饮品是否会影响其反应时间。

1. 使用三组人群。

2. 1组饮用水。

3. 2组饮用含糖果汁。

4. 3组饮用咖啡。

5. 为所有人测量反应时间。

比较各组，观察反应时间是否因饮品类型而异。

1. 公式

   $$$$
   解释

   将三种不同饮品分别分配给三个组。

   步骤依据

   由叙述者直接说明，并通过饮品图标展示。

   视频直接表达
2. 公式

   $$$$
   解释

   对所有参与者测量反应时间。

   步骤依据

   叙述者说：‘现在你来测试所有人的反应时间’，同时画面出现秒表图像。

   视频直接表达
3. 公式

   $$$$
   解释

   询问各组之间的反应时间是否存在差异。

   步骤依据

   叙述者在引入零假设之前明确提出了这一问题。

   视频直接表达

该实验设计引出如下假设：在$H_0$下，三组的平均反应时间可能相等。

后续示例通过比较组内变异与组间变异，对这一假设进行定性判断。

1. 字幕依据
   观察依据

   幻灯片标题为‘示例1’，随后是三列已排序的数字及结论文字。

2. 声音
   观察依据

   叙述者指出：‘每组内部存在较大变异，但组间变异却很小，因此饮品并未造成明显差异。’

1. 该片段不进行均值、方差或F值的数值计算。

通过分析一个已排序的三组数据集，判断饮料是否似乎影响反应时间。

1. 饮用水组：10，12，18，24，36。

2. 果汁组：11，14，19，23，38。

3. 咖啡组：12，13，17，25，37。

4. 每组内部的数据均已排序，以便更易识别模式。

判断大部分变异源于个体差异还是饮料类型。

1. 公式

   $$$$
   解释

   检查每一列内部的数据离散程度。

   步骤依据

   讲解员指出每组内部存在大量变异；椭圆形框在视觉上将每一列圈出。

   视频直接表达
2. 公式

   $$$$
   解释

   比较三组数据整体外观之间的异同。

   步骤依据

   讲解员称三组看起来非常相似；列与列之间的箭头表示组间比较。

   视频直接表达
3. 公式

   $$$$
   解释

   得出结论：差异主要源于受试者本身，而非所饮饮料。

   步骤依据

   明确的口头结论及屏幕上的结论文字。

   视频直接表达
4. 公式

   $$$$
   解释

   接受原假设，即饮料类型对反应时间没有影响。

   步骤依据

   讲解员在例1中直接陈述此结论。

   视频直接表达

本例中接受$H_0$：饮料类型似乎并未造成明显差异。

定性检验：组内数据范围较宽，而三列数据整体占据大致相似的数值区间。

1. 字幕依据
   观察依据

   幻灯片标题为“例2”，其后为三列已排序的数字及结论文字。

2. 声音
   观察依据

   讲解员指出，每组内部的得分彼此非常接近，但各组之间却差异显著，因此应拒绝原假设。

1. 该片段未实际计算检验统计量。

解读第二组经排序的三组数据，以判断饮料是否似乎影响反应时间。

1. 饮用水组：29，29，30，31，31。

2. 果汁组：17，18，19，19，20。

3. 咖啡组：10，11，12，12，13。

判断差异主要源于人还是饮品类型。

1. 公式

   $$$$
   解释

   观察到每一列内部的数值高度聚集。

   步骤依据

   旁白指出，每组内的所有分数彼此非常接近；椭圆框突出显示组内离散程度低。

   视频直接表达
2. 公式

   $$$$
   解释

   观察到三列分别占据明显分离的数值区间。

   步骤依据

   旁白指出，各组彼此差异很大；列与列之间的箭头突出显示组间分离程度高。

   视频直接表达
3. 公式

   $$$$
   解释

   得出结论：饮品类型影响很大。

   步骤依据

   明确的口头结论及屏幕上的结论文字。

   视频直接表达
4. 公式

   $$$$
   解释

   拒绝零假设。

   步骤依据

   旁白直接针对例2作出此陈述。

   视频直接表达

针对本例拒绝$H_0$：饮品类型影响很大。

定性检验：每组内部范围较窄，而各组之间的范围相距较远。

1. 图示
   观察依据

   幻灯片显示三个饮品图标及对应的数字列：水 29, 30, 31, 31, 29；果汁 28, 29, 27, 30, 29；咖啡 25, 28, 29, 27, 29。

2. 公式
   观察依据

   绿色框中说明：方差分析结果为 $F(2, 12) = 4.27$，p = .04。

3. 声音
   观察依据

   旁白指出，计算结果显示该比值为4.27，对应概率为.04，因此可以拒绝零假设，表明饮品对反应时间具有影响。

1. 视频未展示得出4.27所涉及的组内平方和、组间平方和或均方等中间计算步骤。

给定三组饮品对应的反应时间测量值，判断饮品类型是否对反应时间具有显著影响。

1. 水组：29，30，31，31，29。

2. 果汁组：28，29，27，30，29。

3. 咖啡组：25，28，29，27，29。

4. 报告的方差分析结果为：$F(2, 12) = 4.27$，p = .04。

判断是否拒绝零假设，并解释饮品类型对反应时间的影响。

1. 公式

   $$\text{Compare between-group \text{且} within-group variance.}$$
   解释

   旁白首先指出，仅凭这些数值，从视觉上无法明显判断组内变异还是组间变异更大。

   步骤依据

   这一观察得到音频时间点00:14–00:29以及屏幕上显示的三列外观相似的数值支持。

   视频直接表达
2. 公式

   $$F(2,12)=4.27,\; p=.04$$
   解释

   幻灯片报告了计算得到的方差分析统计量及其对应的概率。

   步骤依据

   直接显示在幻灯片的绿色框内。

   视频直接表达
3. 公式

   $$\text{Reject } H_0$$
   解释

   由于报告的概率为.04，讲解者得出结论：可以拒绝零假设。

   步骤依据

   在音频中约00:31-00:41处明确陈述。

   视频直接表达

是的。根据视频中的解释，给予受试者的饮品确实对他们的反应时间产生了影响。

该示例验证了先前的规则：比值越大，越有可能拒绝$H_0$；此处以报告的p = .04作为拒绝依据。

1. 图示
   观察依据

   第一张总结幻灯片展示了三列带括号的数值：29,29,30,31,31；17,18,19,19,20；10,11,12,12,13，以及各列之间的箭头。

2. 公式
   观察依据

   字幕说明：如果大部分变异来自组间，则很可能存在显著效应。

3. 图示
   观察依据

   第二张总结幻灯片展示了三个椭圆，其中数值分别为：10,12,18,24,36；11,14,19,23,38；12,13,17,25,37。

4. 公式
   观察依据

   字幕说明：如果大部分变异来自组内，则很可能不存在显著效应。

1. 这些是示意性视觉示例，并非完整的数值型方差分析计算过程。

使用两种并列的数据展示布局，来区分变异主要发生在组间还是主要发生在组内。

1. 示例A：三个紧凑的竖列，分别以30、18和11为中心，列之间用箭头连接。

2. 示例B：三个相互重叠的椭圆，每个椭圆内部的数值分布范围很广。

识别哪种模式表明存在显著效应，哪种模式则不表明。

1. 公式

   $$\text{Example A: small spread inside each bracket, large separation across brackets}$$
   解释

   第一张图更强调各组位置之间的差异，而非任一组内部的差异。

   步骤依据

   该现象可从带括号的竖列及列间箭头中观察得出。

   视频直接表达
2. 公式

   $$\text{Example A: probably a significant effect}$$
   解释

   幻灯片明确将这一模式与“大部分变异来自组间”联系起来。

   步骤依据

   幻灯片在01处的直接字幕为：59-02:05。

   视频直接表达
3. 公式

   $$\text{Example B: large spread inside each oval, less clear separation across ovals}$$
   解释

   第二张图更强调每组内部的变异性，而非各组中心之间的清晰分离。

   步骤依据

   该现象可从包含大量分散数值的纵向长椭圆中观察得出。

   视频直接表达
4. 公式

   $$\text{Example B: probably not a significant effect}$$
   解释

   幻灯片明确将这一模式与“大部分变异来自组内”联系起来。

   步骤依据

   幻灯片在02处的直接字幕为：06-02:13。

   视频直接表达

示例A展示了组间优势，被描述为可能显著；示例B展示了组内优势，被描述为可能不显著。

该结论直接源自两张总结幻灯片上成对出现的图注。

1. 动画
   观察依据

   先出现一个水杯，然后是一个果汁杯，接着是一个咖啡杯，最后在它们下方出现一个秒表。

2. 声音
   观察依据

   旁白介绍这三个组，然后测试所有人的反应时间。

1. 一杯水

2. 一杯含糖果汁（带吸管）

3. 一杯咖啡

4. 秒表

1. 饮品图标从左到右依次添加。

2. 在饮品下方添加一个秒表，代表测量反应时间。

1. 在整个实验装置中，这三种饮品类别始终保持区分。

画面将自变量编码为饮品类型，将因变量编码为反应时间。

1. 字幕依据
   观察依据

   文字显示：$H_0$：三个组的均值相同。

1. 三个饮品图标

2. $H_0$的文字行

1. 秒表消失，假设文字显示在饮品下方。

1. 三个组仍由相同的饮品图标表示。

该幻灯片将比较目标形式化为各组均值相等。

1. 动画
   观察依据

   仅保留水和咖啡图标，并用双向箭头连接。

2. 声音
   观察依据

   旁白说道：只有两个组时，可使用t检验。

1. 水图标

2. 咖啡图标

3. 双向箭头

1. 中间的果汁图标被移除。

2. 在剩余的两个图标之间画出一个箭头。

1. 该箭头表示直接的两两比较。

这种视觉呈现方式将双组情形单独凸显出来，以便与后续的多组方差分析情形形成对比。

1. 图示
   观察依据

   三种饮品下方分别出现三列各五个数字；随后添加椭圆和箭头，并标注组内变异与组间变异。

1. 水列：29、30、31、31、29

2. 果汁列：28、29、27、30、29

3. 咖啡列：25、28、29、27、29

4. 椭圆

5. 箭头

6. 标注“组内变异”和“组间变异”

1. 每种饮品下方显示原始数值。

2. 在每一列周围绘制椭圆，以标示组内变异。

3. 列与列之间用箭头连接，并配有标注以标示组间变异。

1. 每一列始终与同一饮品图标相关联。

对相同数据重新添加注释，以展示两种不同的变异来源。

1. 图示
   观察依据

   示例1展示了三列已排序的数据，各列内部范围较宽，且整体位置相近；结论文字显示在下方。

1. 已排序的水柱：10、12、18、24、36

2. 已排序的果汁柱：11、14、19、23、38

3. 已排序的咖啡柱：12、13、17、25、37

4. 椭圆

5. 箭头

6. 结论文字

1. 幻灯片标题变为例题1。

2. 椭圆形突出显示每组内部较大的离散程度。

3. 箭头突出显示各组位置之间相对较小的差异。

4. 结论文字取代了先前的解释性标签。

1. 三种饮品类别保持原有的从左到右顺序。

视觉模式支持这一主张：个体差异主导于饮品效应。

1. 图示
   观察依据

   例题2展示三列已排序的数据，各列内部范围狭窄，且各组位置明显分离；结论文字显示在下方。

1. 已排序的水类数据列29、29、30、31、31

2. 已排序的果汁类数据列17、18、19、19、20

3. 排序后的咖啡柱状图10、11、12、12、13

4. 椭圆形

5. 箭头

6. 结论文字

1. 幻灯片标题变为例题2。

2. 椭圆形显示各组内部紧密聚集。

3. 箭头显示组间明显分离。

4. 结论文字陈述了与例题1相反的解释。

1. 再次比较相同的三类饮品。

视觉模式支持这一主张：处理差异主导了个体噪声。

1. 字幕依据
   观察依据

   文字列出总方差来源于组间方差和组内方差，随后显示 F = 组间方差 / 组内方差。

1. 关于总方差的文字说明

2. F 的计算公式

1. 数据列消失了。

2. 一段简洁的文字摘要取代了示例。

3. 比值公式被添加在底部。

1. 组间方差与组内方差之间的区别仍处于核心地位。

该片段最后将直观理解浓缩为 F 统计量的定义。

1. 图示
   观察依据

   白底黑字幻灯片介绍方差分解及比率 F = 组间 / 组内。

2. 动画
   观察依据

   约在00:04处，公式下方新增一行文字，指出：该比值越大，各组均值不同的可能性就越高（拒绝 $H_0$）。

1. 文字块列出了组间方差与组内方差。

2. 公式 F = 组间 / 组内。

3. 新增一句关于拒绝 $H_0$ 的说明。

1. 初始幻灯片展示了方差分解及比值。

2. 公式下方出现一句新句子，解释比值较大所导致的后果。

1. 该幻灯片仍仅为纯文字形式，尚未出现数据表。

2. 核心符号对象始终是比值 F。

本可视化图示明确了本课的概念目标：比较方差成分，并利用它们的比值进行假设检验。

1. 图示
   观察依据

   三个饮品图标出现在三列数字上方，每列各有五个数字。

2. 公式
   观察依据

   底部文字说明：本例中，组间方差与组内方差并不那么明显。

1. 水图标及对应的一列数值。

2. 果汁图标及对应的一列数值。

3. 咖啡图标及对应的一列数值。

4. 解释性字幕。

1. 抽象公式幻灯片被具体的数值数据所替代。

2. 字幕指出，仅凭观察无法明显看出方差模式。

1. 仍然恰好存在三个组。

2. 每组仍包含五个观测值。

直观图示推动了计算分析，因为仅凭肉眼观察数据已无法清晰区分组间变异与组内变异。

1. 动画
   观察依据

   一个绿色虚线矩形框覆盖在饮品数据幻灯片的中部。

2. 公式
   观察依据

   框内显示：方差分析结果为 $F(2, 12) = 4.27$，p = .04。

1. 绿色虚线框。

2. 报告的方差分析输出为 $F(2, 12) = 4.27$，p = .04。

3. 底层为三列数据展示。

1. 结果框被添加在原有数据幻灯片之上。

2. 关注点从原始数值转向汇总后的推断性输出。

1. 底层三个饮品组在叠加层后依然可见。

2. 该示例仍涉及相同的反应时数据。

动画将原本模糊的原始数据图示转化为正式的统计结论。

1. 图示
   观察依据

   新幻灯片标题为“按如下方式计算自由度”，显示 $F(b, w)$ 及 b 和 w 的定义。

1. 公式 $F(b, w)$。

2. b 的定义行。

3. w 的定义行。

4. 公式：b = 组数 - 1，w = 观测总数 - 组数。

1. 视频离开具体数据示例，回到符号化规则幻灯片。

2. 颜色编码区分与 b 相关的文本和与 w 相关的文本。

1. 主题仍为方差分析（ANOVA）报告符号表示法。

2. 符号 b 和 w 分别对应 $F(2, 12)$ 中出现的两个数字。

本幻灯片提供了解码附在 F 后面那对数字所需的规则。

1. 动画
   观察依据

   屏幕首先仅显示三个饮品图标，随后添加带数据的太阳行，再添加带数据的月亮/云行。

2. 动画
   观察依据

   随后，一个红色方框高亮显示顶部的饮品行，一个蓝色方框高亮显示左侧的时间段列。

1. 早晨与傍晚的具体含义由图标而非文字标出。

1. 顶部排列三个饮品图标。

2. 太阳图标所在行，包含三个数字单元格。

3. 月亮/云朵图标所在行，包含三个数字单元格。

4. 红色高亮方框。

5. 蓝色高亮方框。

1. 该展示形式从单因素的行结构逐步扩展为二维表格。

2. 当完整表格呈现后，红色方框用于分离列因素。

3. 随后，蓝色方框用于分离行因素。

1. 相同的三类饮品在两行中均保持不变。

2. 每个单元格继续保存反应时间观测值。

动画直观地解释了：添加第二个因子后，会形成一个网格，该网格的行效应和列效应均可被分析，同时还可能存在交互作用。

1. 声音
   观察依据

   讲述者明确对比了双组 t 检验与三组及以上时需采用方差分析（ANOVA）的必要性。

1. 该片段未详细解释其统计学原因。

人们可能认为，只要比较各组均值，同样的双组 t 检验方法就已足够。

视频指出，t 检验仅适用于两组情形，而三组或更多组则需采用方差分析。

1. 图示
   观察依据

   例1的整体离散程度较大，却导致接受$H_0$；例2的组内离散程度较小、组间分离明显，却导致拒绝$H_0$。

2. 声音
   观察依据

   讲述者在两个例子中均区分了组内变异与组间变异。

人们可能推断：若数据整体上差异很大，则各组之间必然存在实质性差异。

这些例子表明，关键在于组内变异与组间变异之间的平衡关系，而非总离散程度本身。

1. 声音
   观察依据

   旁白指出：仅凭这些数字，你很可能无法判断是否存在显著效应，因为组内变异与组间变异孰大孰小并不明确，程度也不清楚。

2. 公式
   观察依据

   幻灯片文字写道：在此情况下，组间方差与组内方差并不那么明显。

有人可能认为，显著效应的存在与否或其大小，总能仅凭观察分组后的数字就直接判断出来。

视频明确警示：在某些数据集中，变异主要发生在组内还是组间并不明显，因此必须通过计算比值来判定。

1. 声音
   观察依据

   旁白提问：那个2逗号12究竟代表什么？

2. 公式
   观察依据

   下一张幻灯片定义了$F(b, w)$，其中b = 组数 - 1，w = 观测总数 - 组数。

$F(2, 12)$中的这对数字，可能被误认为是任意标签，或误以为是检验统计量本身的一部分。

视频明确指出，这些数字代表自由度：第一个表示组间方差的自由度，第二个表示组内方差的自由度。

1. 声音
   观察依据

   讲述者指出，将方差分解的技巧不仅适用于三个或更多组的情形，也适用于多个变量的情形。

2. 图示
   观察依据

   引入了一个双因素表格，两个因素分别是饮品类型和一天中的时段。

人们可能从最初的三种饮品示例中推断，方差分析仅限于比较一组群组。

视频将该方法拓展至多个变量，表明可分别考察各因素的效应及其交互效应。

1. 声音
   观察依据

   讲述者提到，方差分析可以判断饮品类型是否存在效应、一天中的时段是否产生影响，或者是否存在某种交互效应。

2. 声音
   观察依据

   所举的例子是：咖啡在早晨可能比在晚上更有效。

1. 该片段在概念上命名了交互作用，但并未从数学上对其加以形式化。

在多因素设计中，人们可能假设每个因素均可完全独立于其他因素进行判断。

视频指出可能存在交互作用，并以咖啡在早晨可能比在晚上效果更好为例加以说明。

1. 声音
   观察依据

   实验描述直接引出零假设的陈述。

三组饮料实验为关于均值相等的零假设提供了背景情境。

1. 声音
   观察依据

   在陈述$H_0$之后，讲述者解释道：比较三个或更多组时需采用方差分析（ANOVA）。

该实验设置所提出的假设检验问题，推动了方差分析作为适用方法的引入。

1. 声音
   观察依据

   首先讲解方差分解，最终公式取这两个组成部分的比值。

F统计量是利用前述组间方差与组内方差两个组成部分来定义的。

1. 图示
   观察依据

   两个连续的例子呈现了组内变异与组间变异相反的模式。

例1与例2被刻意对比，以展示在何种情况下接受原假设、在何种情况下拒绝原假设。

1. 公式
   观察依据

   开场幻灯片将 F 定义为组间变异与组内变异之比；后续幻灯片则定义了 $F(b, w)$ 以及 b 和 w 的计算公式。

2. 声音
   观察依据

   解说从解读该比值的含义，过渡到解释与 F 一同报告的两个数值。

自由度记号被应用于开篇引入的同一 ANOVA 比值，从而将抽象的 F 转化为可报告的统计量 $F(b, w)$。

1. 公式
   观察依据

   示例输出显示 $F(2, 12) = 4.27$，p = .04。

2. 公式
   观察依据

   规则幻灯片给出：b = 组数 - 1，w = 观测总数 - 组数。

b 和 w 的通用公式解释了饮料示例中报告结果所出现的具体数值。

1. 图示
   观察依据

   视频首先以单行多列的形式展示三种饮料组。

2. 图示
   观察依据

   随后扩展为一个网格：列方向表示饮料类型，行方向表示一天中的时段。

3. 声音
   观察依据

   解说员指出，相同的方差分解思想适用于多个变量的情形。

双因素网格将单因素的组间比较推广为含多个分类变量及可能交互作用的实验设计。

1. 公式
   观察依据

   两条结尾字幕分别陈述了组间变异与组内变异的经验法则。

2. 图示
   观察依据

   两种对比鲜明的数据布局以视觉方式具体呈现了这两条字幕。

结尾处成对出现的示例，将关于组间主导与组内主导的语言规则应用于具体的图表数据。

1. 公式
   观察依据

   一张幻灯片指出：组间主导意味着结果很可能具有统计显著性；下一张幻灯片则指出：组内主导意味着结果很可能不具有统计显著性。

2. 图示
   观察依据

   对应的视觉图示通过分离的方括号与重叠的椭圆进行对比。

这两项主张被呈现为解释方差分析（ANOVA）证据时两种相反的诊断模式。

1. 声音
   观察依据

   讲述者明确将双组t检验与三组及以上的方差分析（ANOVA）进行比较。

1. 本片段中方差分析（ANOVA）的目的

1. 字幕依据
   观察依据

   屏幕上的$H_0$陈述。

1. 三组示例的零假设

1. 声音
   观察依据

   讲述者指出总变异的两个组成部分。

2. 图示
   观察依据

   椭圆与箭头分别标注组内变异和组间变异。

1. 总变异的分解

1. 字幕依据
   观察依据

   例1的结论文字。

1. 示例1：组内变异大，组间变异小

1. 字幕依据
   观察依据

   例2的结论文字。

1. 例2：组内变异小，组间变异大。

1. 字幕依据
   观察依据

   公式 F = 组间 / 组内。

1. F 比值通过口头讲解与视觉呈现方式引入。

1. 公式
   观察依据

   开场幻灯片显示：F = 组间变异 / 组内变异。

1. 方差分析（ANOVA）的核心思想。

1. 公式
   观察依据

   幻灯片文字指出，比值越大，越倾向于拒绝 $H_0$。

2. 声音
   观察依据

   讲解员再次强调：比值越大，各组均值存在差异的可能性就越高。

1. 方差分析（ANOVA）的核心思想。
2. 较大的F比值支持拒绝零假设

1. 公式
   观察依据

   示例显示：$F(2, 12) = 4.27$，p = .04。

2. 公式
   观察依据

   规则幻灯片定义了 b 和 w。

1. 方差分析报告中自由度的记号表示法
2. 单因素方差分析示例：三种饮品
3. 推导饮料示例中所报告的自由度。

1. 公式
   观察依据

   幻灯片给出 b = 组数 - 1，w = 总观测数 - 组数。

1. 方差分析报告中自由度的记号表示法
2. 推导饮料示例中所报告的自由度。

1. 声音
   观察依据

   讲解员指出，该方法在存在多个变量时同样适用。

2. 图示
   观察依据

   展示了一个双因素网格图。

1. 从单因素方差分析推广到多因素方差分析
2. 将双因素网格解读为两个独立的主效应加上交互效应

1. 声音
   观察依据

   讲解员提到了交互作用，并举例说明咖啡在早晨可能比在晚上更有效。

2. 图示
   观察依据

   红色和蓝色方框分别标出了网格中的两个因素。

1. 该片段未提供交互作用的正式代数定义。

1. 从单因素方差分析推广到多因素方差分析
2. 忽略因素之间的交互作用