组间平方和

组间平方和 (SSB)

组间平方和（Sum of Squares Between，简称 SSB，亦记为 SSA 或 SS\textsubscript{ treatment}）是方差分析（ANOVA）中衡量各处理组均值与总均值之间差异的核心统计量。它量化了不同组之间的变异程度，反映了分组因素对响应变量的解释能力。组间平方和越大，说明各组均值差异越显著，分组因素的解释力越强。

定义与公式

设有 $k$ 个组，第 $i$ 组的样本量为 $n_i$，样本均值为 $\bar{y}_{i\bullet}$，总均值为 $\bar{y}_{\bullet\bullet}$，则组间平方和定义为：

其中 $\bar{y}_{i\bullet} = \frac{1}{n_i} \sum_{j=1}^{n_i} y_{ij}$，$\bar{y}_{\bullet\bullet} = \frac{1}{N} \sum_{i=1}^{k} \sum_{j=1}^{n_i} y_{ij}$，$N = \sum_{i=1}^{k} n_i$ 为总样本量。

该公式的直观含义是：将每个组的均值与总均值的偏差平方，再以组样本量加权求和，从而反映各组的系统性偏移。

平方和分解

在单因素方差分析中，总平方和（Total Sum of Squares，SST）可分解为组间平方和与组内平方和（Sum of Squares Within，SSW）之和：

其中总平方和为：

组内平方和为：

这一分解是方差分析的理论基石：SST 衡量所有观测值的总变异，SSB 捕捉组间（即由分组因素引起的）变异，SSW 捕捉组内（即随机误差引起的）变异。

自由度与均方

组间平方和的自由度为：

对应 $k$ 个组的均值中，已知总均值后自由变化的组均值个数。组间均方（Mean Square Between，MSB）定义为：

MSB 是组间平方和的平均量，衡量每个组别平均贡献的变异大小。

与 F 统计量的关系

在经典 ANOVA 的F检验中，组间均方与组内均方（MSE = SSW / (N - k)）的比值构成 F 统计量：

在原假设 $H_0: \mu_1 = \mu_2 = \cdots = \mu_k$（各组总体均值相等）下，该统计量服从 $F(k-1, N-k)$ 分布。若 F 值很大（即组间变异显著大于组内变异），则拒绝原假设，认为至少有一组的均值与其他组存在显著差异。

决定系数

组间平方和占总平方和的比例即为决定系数 $R^2$：

该比例反映了分组因素解释的总变异比例，是衡量效应大小的常用指标。例如在单因素方差分析中，$R^2 = 0.80$ 表明分组因素解释了 80\% 的响应变量变异。

计算方法与示例

实践中计算 SSB 通常使用下列步骤：

1. 计算各组均值 $\bar{y}_{i\bullet}$ 与总均值 $\bar{y}_{\bullet\bullet}$。
2. 对各组计算 $(\bar{y}_{i\bullet} - \bar{y}_{\bullet\bullet})^2$。
3. 乘以各组样本量 $n_i$ 后求和。

例如比较三种教学方法对学生成绩的影响，各组均值分别为 85、78、82，总均值 81.7，每组样本量 30，则 SSB ≈ 740.1，结合组内平方和即可进行 F 检验。

双因素与多因素 ANOVA

在双因素方差分析中，组间平方和被分解为因素 A、B 的主效应及交互效应对应的平方和：$SST = SS_A + SS_B + SS_{A\times B} + SSE$。多因素方差分析（MANOVA）则扩展为多元情形下的组间变异矩阵。

局限与注意事项

组间平方和对异常值较为敏感，非平衡设计中大样本组影响更大。不满足方差齐性假设时，应考虑 Welch 校正等方法。

理解组间平方和是掌握方差分析体系的第一步，它为研究者提供了一种系统量化分组因素效应的工具，在实验设计、生物统计、计量经济学等众多领域均有广泛应用。