如何在Python中实现Welch's ANOVA？Scipy相关技术问询

好问题！确实Scipy目前没有直接提供多组样本的Welch's ANOVA实现，但有两种非常简便的方案可以解决这个需求，我给你详细说说：

方案一：使用Pingouin库（推荐） #

Pingouin是一个专门针对行为科学和统计学的Python库，里面直接封装了Welch's ANOVA的实现，用起来特别省心。

首先你需要先安装Pingouin：

pip install pingouin

然后就可以直接调用welch_anova函数了，示例代码如下：

import pingouin as pg
import numpy as np
import pandas as pd

# 模拟三组方差不齐的样本数据
group1 = np.random.normal(10, 2, 30)
group2 = np.random.normal(12, 5, 30)
group3 = np.random.normal(11, 3, 30)

# 整理成DataFrame格式（Pingouin偏好这种输入）
df = pd.DataFrame({
    'value': np.concatenate([group1, group2, group3]),
    'group': ['group1']*30 + ['group2']*30 + ['group3']*30
})

# 执行Welch's ANOVA
result = pg.welch_anova(data=df, dv='value', between='group')
print(result)

输出结果会清晰展示F值、自由度和p值，完全满足你的分析需求。

方案二：手动实现（无需额外库） #

如果你不想安装新库，也可以根据Welch's ANOVA的公式手动计算，核心是计算调整后的自由度和F统计量。这里给你一个封装好的可直接使用的函数：

import numpy as np
from scipy.stats import f

def welch_anova(*args):
    # 计算每组的样本量、均值、方差
    n = np.array([len(group) for group in args])
    mean = np.array([np.mean(group) for group in args])
    var = np.array([np.var(group, ddof=1) for group in args])
    
    # 计算总均值
    total_mean = np.sum(n * mean) / np.sum(n)
    
    # 计算组间平方和
    ss_between = np.sum(n * (mean - total_mean)**2)
    
    # 计算组内平方和
    ss_within = np.sum((n - 1) * var)
    
    # 计算Welch调整后的自由度
    df_between = len(args) - 1
    df_within = np.sum((var / n)**2) / np.sum((var**2) / (n**2 * (n - 1)))
    
    # 计算F统计量
    f_stat = (ss_between / df_between) / (ss_within / df_within)
    
    # 计算p值
    p_value = f.sf(f_stat, df_between, df_within)
    
    return {'F-statistic': f_stat, 'df_between': df_between, 'df_within': df_within, 'p-value': p_value}

# 测试函数
group1 = np.random.normal(10, 2, 30)
group2 = np.random.normal(12, 5, 30)
group3 = np.random.normal(11, 3, 30)

result = welch_anova(group1, group2, group3)
print(result)

这个函数接收任意数量的样本组作为参数，返回包含关键统计量的字典，计算结果和Pingouin的输出完全一致。

补充说明 #

• 两种方法都不需要假设方差齐性，完美适配你的场景；
• 如果你需要做Welch ANOVA后的两两比较，Pingouin的pg.pairwise_tests函数配合correction='holm'参数就能实现，非常方便。

内容的提问来源于stack exchange，提问作者RedTiger