Industrial KnowledgeANOVA một yếu tố là gì? Bảng ANOVA, F, p-value và Tukey | Ví dụ 3 máy
Nội dung bài viết 8 mục
Ba máy tiện cùng gia công một chốt Ø20,05 mm. Trưởng xưởng nghi máy số 2 “chạy to”. Có thể chạy t-test từng cặp (1-2, 1-3, 2-3), nhưng mỗi lần kiểm định là một lần chấp nhận 5% rủi ro báo động nhầm - ba lần cộng dồn lên gần 14%. ANOVA một yếu tố giải bài toán này trong một phép kiểm định duy nhất.
Tóm tắt nhanh
- ANOVA một yếu tố so sánh trung bình của 3 nhóm trở lên trong một phép kiểm định duy nhất.
- Chạy t-test từng cặp cho 3 nhóm làm rủi ro báo động nhầm cộng dồn lên gần 14%.
- Tách tổng biến động thành giữa nhóm và trong nhóm; F = MSB / MSW.
- ANOVA chỉ cho biết có ít nhất một trung bình khác; muốn biết nhóm nào cần so sánh bội (Tukey).
ANOVA một yếu tố là gì?
ANOVA (Analysis of Variance - phân tích phương sai) một yếu tố so sánh trung bình của 3 nhóm trở lên thuộc một yếu tố (máy, ca, nhà cung cấp, công thức…). Tên gọi “phương sai” vì cách làm là tách tổng biến động thành hai phần:
- Giữa các nhóm (Between / Factor): các trung bình nhóm lệch nhau bao nhiêu so với trung bình chung.
- Trong nhóm (Within / Error): biến động ngẫu nhiên của từng nhóm quanh trung bình của nó.
Nếu biến động giữa nhóm lớn hơn nhiều biến động trong nhóm, yếu tố có ảnh hưởng. Tỷ số đó là F.
- H0: μ1 = μ2 = … = μk (mọi nhóm bằng nhau).
- H1: có ít nhất một trung bình khác. ANOVA không nói nhóm nào - cần so sánh bội (Tukey).
Bảng ANOVA và công thức
| Nguồn | SS (tổng bình phương) | df | MS = SS/df | F |
|---|---|---|---|---|
| Giữa nhóm | SSB = Σ nᵢ(x̄ᵢ − x̄)² | k − 1 | MSB | MSB / MSW |
| Trong nhóm | SSW = ΣΣ (xᵢⱼ − x̄ᵢ)² | N − k | MSW | |
| Tổng | SST = SSB + SSW | N − 1 |
Trong đó k là số nhóm, N tổng số quan sát, x̄ trung bình chung. MSW chính là ước lượng phương sai “nhiễu” của quá trình; √MSW là độ lệch chuẩn gộp. p-value = xác suất F(k−1, N−k) vượt giá trị F tính được.
Giả định
- Quan sát độc lập, lấy ngẫu nhiên.
- Phần dư (residual) gần phân phối chuẩn - kiểm tra bằng biểu đồ xác suất của phần dư.
- Phương sai các nhóm tương đương - Levene/Bartlett, hoặc quy tắc nhanh: s lớn nhất không quá 2 lần s nhỏ nhất. Nếu vi phạm: dùng Welch ANOVA.
- Không đạt chuẩn rõ rệt, có ngoại lai: dùng Kruskal-Wallis (kiểm định phi tham số).
Ví dụ: đường kính chốt trên 3 máy tiện
Mỗi máy lấy ngẫu nhiên 5 chốt trong cùng ca (mm, minh hoạ):
| Máy | Dữ liệu | x̄ᵢ | sᵢ |
|---|---|---|---|
| M1 | 20,02; 20,05; 20,03; 20,04; 20,01 | 20,030 | 0,0158 |
| M2 | 20,06; 20,08; 20,07; 20,05; 20,09 | 20,070 | 0,0158 |
| M3 | 20,03; 20,02; 20,05; 20,04; 20,06 | 20,040 | 0,0158 |
Trung bình chung x̄ = 20,0467. Ba độ lệch chuẩn bằng nhau → giả định phương sai đạt (Levene p = 1,0).
Bước 1 - SSB: 5 × [(20,030 − 20,0467)² + (20,070 − 20,0467)² + (20,040 − 20,0467)²] = 5 × (0,000278 + 0,000544 + 0,000044) = 0,004333.
Bước 2 - SSW: mỗi máy có Σ(x − x̄ᵢ)² = 4 × 0,0158² = 0,001; ba máy → 0,003.
Bước 3 - Bảng ANOVA:
| Nguồn | SS | df | MS | F | p |
|---|---|---|---|---|---|
| Máy | 0,004333 | 2 | 0,002167 | 8,67 | 0,0047 |
| Sai số | 0,003000 | 12 | 0,000250 | ||
| Tổng | 0,007333 | 14 |
F tới hạn (α = 0,05; 2; 12) = 3,89. F = 8,67 > 3,89, p = 0,0047 < 0,05 → bác bỏ H0: ít nhất một máy khác.
Bước 4 - Tukey: khoảng chênh tối thiểu HSD = q(0,05; 3; 12) × √(MSW/n) = 3,773 × √(0,00025/5) = 0,0267 mm.
| Cặp | Chênh lệch | > 0,0267? | p Tukey |
|---|---|---|---|
| M2 − M1 | 0,040 | Có | 0,005 |
| M2 − M3 | 0,030 | Có | 0,028 |
| M3 − M1 | 0,010 | Không | 0,591 |
Kết luận: M2 cho chốt to hơn hai máy còn lại khoảng 0,03-0,04 mm; M1 và M3 không khác nhau. Hành động: kiểm tra offset dao, mòn dao, bù nhiệt của M2. Tỷ lệ η² = SSB/SST = 59% - yếu tố “máy” giải thích hơn nửa biến động trong mẫu này.
Làm ANOVA trong Excel và Minitab
Excel: Data → Data Analysis → Anova: Single Factor → chọn vùng dữ liệu (mỗi cột một máy), Grouped by: Columns, Alpha 0,05. Excel trả bảng SS, df, MS, F, P-value, F crit - giống bảng trên. Excel không có Tukey; có thể tính HSD bằng tay (giá trị q tra bảng studentized range) hoặc dùng mẫu tính sẵn.
Công thức nhanh: =F.DIST.RT(8,67; 2; 12) → p-value; =F.INV.RT(0,05; 2; 12) → F tới hạn.
Minitab: Stat → ANOVA → One-Way… → chọn Response data are in one column for all factor levels (hoặc mỗi cột một nhóm). Vào Comparisons tick Tukey; vào Graphs chọn Interval plot, Boxplot và Four in one để xem phần dư. Nếu phương sai không bằng: Options → bỏ Assume equal variances (Welch). Kiểm định phương sai: Stat → ANOVA → Test for Equal Variances.
Lỗi thường gặp
- Chạy nhiều t-test thay vì ANOVA - rủi ro loại I phình to.
- Dừng ở p-value, không làm Tukey nên không biết nhóm nào khác.
- Bỏ qua kiểm tra phần dư - một ngoại lai đủ làm F đổi kết luận. Luôn xem box plot trước.
- Dữ liệu không ngẫu nhiên: lấy M1 buổi sáng, M2 buổi chiều → đang so “máy + thời gian”. Cân bằng thời điểm lấy mẫu hoặc dùng thiết kế khối.
- Nhầm ý nghĩa thống kê với ý nghĩa kỹ thuật - 0,03 mm có đáng kể so với dung sai ±0,05 không? Đó là câu hỏi kỹ thuật.
Câu hỏi thường gặp
ANOVA với 2 nhóm có được không? Được - kết quả tương đương t-test phương sai gộp (F = t²). Nhưng t-test đơn giản hơn để trình bày.
One-way khác Two-way ANOVA thế nào? One-way có một yếu tố (máy). Two-way xét hai yếu tố cùng lúc (máy × ca) và tương tác giữa chúng - bước đệm sang DOE.
Cỡ mẫu mỗi nhóm bao nhiêu là đủ? Tối thiểu 4-5 mỗi nhóm để chạy, nhưng muốn phát hiện chênh lệch nhỏ cần tính power - xem cỡ mẫu.
Bước tiếp theo
- Ôn nền tảng: kiểm định giả thuyết, t-test.
- Dữ liệu không chuẩn: Kruskal-Wallis và Mood median.
- Muốn xem biến động đến từ đâu trước khi kiểm định: phân tích Multi-vari.
