Słownik metodologiczny · Analiza wariancji

Wariancja międzygrupowa – co to jest, jak ją obliczyć i jaką rolę pełni w teście F?

Wariancja międzygrupowa mówi, jak bardzo średnie grup odbiegają od średniej ogólnej. Liczymy SSmiędzy i MSmiędzy krok po kroku na przykładzie trzech małych grup o różnej liczebności, pokazujemy w symulacji, co ta wielkość szacuje, i wyjaśniamy jej rolę w teście F.

Strona główna / Słownik / Wariancja międzygrupowa
W skrócie: Wariancja międzygrupowa to średni kwadrat między grupami: MSmiędzy = Σ nj(Mj − M)² / (k − 1). Opisuje, jak bardzo średnie grup odbiegają od średniej ogólnej, z wagą równą liczebności każdej grupy. Jest licznikiem statystyki F – przy braku różnic w populacji szacuje tę samą wariancję błędu co wariancja wewnątrzgrupowa, dlatego oceniaj ją zawsze w stosunku do niej.

Co to jest wariancja międzygrupowa?

Wariancja międzygrupowa (ang. between-group variance) opisuje, jak bardzo średnie grup różnią się od średniej ogólnej. W analizie wariancji liczy się ją w dwóch krokach: najpierw sumę kwadratów między grupami (SSmiędzy), potem średni kwadrat między grupami (MSmiędzy), czyli sumę kwadratów podzieloną przez stopnie swobody. To właśnie MSmiędzy jest licznikiem statystyki F. W wydrukach programów znajdziesz go w wierszu „Między grupami”, „Between Groups” albo w wierszu z nazwą czynnika.

Sam pomysł analizowania przyczyn zmienności przez wariancję pochodzi od Fishera (1919), który zauważył, że wariancje pochodzące z niezależnych źródeł się sumują. Dlatego całkowite zróżnicowanie wyników można podzielić na część związaną z przynależnością do grup i część wynikającą z różnic między osobami w tej samej grupie – wariancję wewnątrzgrupową. Ogólny podział zmienności i test F omawiamy w haśle o ANOVA; tu skupiamy się na części międzygrupowej.

Wzór na wariancję międzygrupową

SSmiędzy = Σ nj(Mj − M)²    MSmiędzy = SSmiędzy / (k − 1)
  • Mj – średnia grupy j, nj – jej liczebność,
  • M – średnia ogólna wszystkich wyników (przy nierównych grupach to średnia ważona liczebnościami, a nie zwykła średnia ze średnich),
  • k – liczba grup; k − 1 to liczba stopni swobody efektu.

Wzór ma dwie ważne cechy. Po pierwsze, każde odchylenie średniej grupy od średniej ogólnej jest ważone liczebnością grupy – ta sama różnica średnich „waży” więcej, gdy stoi za nią więcej osób. Po drugie, przy równych liczebnościach MSmiędzy to po prostu n razy wariancja średnich grup. Mnożenie przez n jest konieczne, bo średnie z prób wahają się mniej niż pojedyncze wyniki – ich wariancja to wariancja wyników podzielona przez n (zob. błąd standardowy).

Przykład krok po kroku: trzy metody powtórki

Osiemnaście osób przygotowywało się do testu z psychologii poznawczej (0–20 punktów) jedną z trzech metod: ponownym czytaniem podręcznika, robieniem notatek albo samotestowaniem (odpowiadaniem na pytania z pamięci). Grupy mają różne liczebności, bo część osób nie przyszła na test (dane symulowane).

Wyniki testu wiedzy w trzech grupach
MetodaWyniki osóbnjMj
Ponowne czytanie14, 6, 13, 8, 11, 8610.0
Notatki13, 16, 10, 7, 14512.0
Samotestowanie15, 14, 12, 19, 17, 17, 11715.0

Krok 1. Średnia ogólna. Suma wszystkich 18 wyników to 225, więc M = 225 / 18 = 12.5. Zwykła średnia trzech średnich wynosiłaby 12.33 – przy nierównych grupach to błąd.

Krok 2. Odchylenia średnich grup, ich kwadraty i wkłady.

Obliczanie sumy kwadratów między grupami
MetodaMj − M(Mj − M)²nj × (Mj − M)²
Ponowne czytanie−2.56.256 × 6.25 = 37.50
Notatki−0.50.255 × 0.25 = 1.25
Samotestowanie+2.56.257 × 6.25 = 43.75
RazemSSmiędzy = 82.50

Krok 3. Średni kwadrat. Przy trzech grupach są dwa stopnie swobody: MSmiędzy = 82.5 / 2 = 41.25. To jest wariancja międzygrupowa.

Panel A: wyniki 18 osób w trzech grupach ze średnimi 10, 12 i 15 oraz odchyleniami od średniej ogólnej 12.5 równymi −2.5, −0.5 i +2.5; panel B: wkłady grup do sumy kwadratów między grupami – 37.50, 1.25 i 43.75, razem 82.5, MS między = 41.25
Rysunek 1. A: wyniki osób (szare punkty), średnie grup (czerwone) i ich odchylenia od średniej ogólnej (niebieskie strzałki, linia przerywana – M = 12.5). B: wkład każdej grupy do SSmiędzy, czyli kwadrat odchylenia pomnożony przez liczebność grupy. Obliczenia: R (dane symulowane).

Rysunek 1B dobrze pokazuje rolę wag. Czytanie i samotestowanie odbiegają od średniej ogólnej o tyle samo (2.5 punktu), ale samotestowanie wnosi więcej (43.75 wobec 37.50), bo grupa liczy 7, a nie 6 osób. Gdyby każda grupa liczyła 6 osób, przy tych samych średnich SSmiędzy wyniosłaby 76.

Rola wariancji międzygrupowej w teście F

Wariancja międzygrupowa nie jest czystą miarą efektu. Nawet gdy w populacji wszystkie średnie są równe, średnie z prób różnią się przypadkowo, więc MSmiędzy szacuje wtedy tę samą wariancję błędu co MSwewn. Gdy średnie w populacji się różnią, MSmiędzy rośnie o składnik zależny od wielkości tych różnic i liczebności grup:

oczekiwane MSmiędzy = σ² + Σ nj(μj − μ)² / (k − 1)

Rysunek 2 pokazuje to w symulacji 10 000 badań z naszymi liczebnościami i wariancją błędu σ² = 10. Przy prawdziwej hipotezie zerowej średnia wartość MSmiędzy wyniosła 10.0 – tyle co wariancja błędu. Gdy średnie w populacji wynosiły 10, 12 i 15, wzrosła do 51.1, blisko teoretycznych 10 + 82.5 / 2 = 51.25.

Dwa histogramy MS między grupami z 10 000 symulowanych badań: przy prawdziwej H0 średnia MS między wynosi 10.0, tyle co wariancja błędu; przy średnich 10, 12 i 15 w populacji średnia MS między rośnie do 51.1
Rysunek 2. Rozkład MSmiędzy w 10 000 symulowanych badań (n = 6, 5 i 7, σ² = 10). Niebieska linia przerywana – wariancja błędu, czerwona – średnia MSmiędzy. Obliczenia: R (dane symulowane).

Stąd logika testu F: dzielimy wariancję międzygrupową przez wewnątrzgrupową. Wynik bliski 1 jest zgodny z brakiem różnic, a wyraźnie większy od 1 – z różnicami średnich. W naszym przykładzie MSwewn = 10.00, więc:

F(2, 15) = 41.25 / 10.00 = 4.125,   p = .037
Tabela analizy wariancji dla przykładu z trzema metodami powtórki
Źródło zmiennościSSdfMSFp
Między grupami82.50241.254.13.037
Wewnątrz grup150.001510.00
Ogółem232.5017

Wartość krytyczna F(2, 15) dla α = .05 to 3.68, więc różnice między metodami są istotne. Iloraz SSmiędzy / SSogółem = 82.5 / 232.5 = .35 to eta kwadrat – odsetek całkowitej zmienności związany z przynależnością do grup (Richardson, 2011). Istotne F mówi tylko, że różni się co najmniej jedna para średnich (Mishra i in., 2019); które – pokażą testy post hoc.

Maxwell i in. (2018) ujmują to samo jako porównanie dwóch modeli: z osobnymi średnimi grup i z jedną wspólną średnią. SSmiędzy mówi, o ile mniejszy jest błąd modelu z osobnymi średnimi – w języku regresji to zmienność wyjaśniona przez predyktor.

Wariancja międzygrupowa w modelach z czynnikiem losowym

To samo określenie ma też drugie znaczenie. Gdy grupy są losową próbką z większej populacji grup – szkoły, terapeuci, oddziały – „wariancja międzygrupowa” oznacza parametr: wariancję prawdziwych średnich grup w populacji, czyli składnik wariancji w modelu wielopoziomowym. Na jej podstawie liczy się m.in. współczynnik korelacji wewnątrzklasowej. Grzeszkiewicz-Radulska (2023) pokazuje, kiedy pytanie badawcze wymaga traktowania czynnika jako losowego i jakie błędy powoduje niewłaściwy schemat analizy. W przykładzie z tej strony metody powtórki są czynnikiem stałym – interesują nas dokładnie te trzy metody – więc MSmiędzy to statystyka z tabeli ANOVA, a nie składnik wariancji.

Jak opisać wynik w pracy (APA)

Wariancji międzygrupowej nie raportuje się osobno – pojawia się w tabeli ANOVA (SS, df, MS) i w statystyce F. Przykładowy opis:

Jednoczynnikowa analiza wariancji wykazała, że metoda powtórki różnicowała wyniki testu wiedzy, F(2, 15) = 4.13, p = .037, η² = .35. Suma kwadratów między grupami wyniosła 82.50 (MS = 41.25), a wewnątrz grup 150.00 (MS = 10.00). Najwyższy średni wynik uzyskały osoby stosujące samotestowanie (M = 15.00), a najniższy – osoby czytające ponownie podręcznik (M = 10.00).

Wzór tabeli ANOVA w formacie APA znajdziesz w haśle tabela ANOVA w APA, a pełny tok analizy z założeniami i testami post hoc – w poradniku ANOVA krok po kroku.

Przykład reprodukowalny

Wariancja międzygrupowa w R i SPSS

Kod odtwarza dane z przykładu, liczy średnie grup, średnią ogólną, wkłady grup, SSmiędzy i MSmiędzy, a potem sprawdza wynik funkcją aov(). Liczby w tekście pochodzą z tego kodu; symulację i rysunki zawiera pełny skrypt strony.

SS i MS między grupami „ręcznie” i w aov()

Dane wejściowe: wyniki testu wiedzy (0–20) 18 osób w trzech grupach (dane symulowane, set.seed(1674410)).

Co odczytać: kolumnę wklad (wkłady grup), SS_miedzy i MS_miedzy oraz te same liczby w wierszu metoda tabeli ANOVA (Sum Sq, Mean Sq).

R
set.seed(1674410)                       # dane symulowane: wynik testu wiedzy (0–20 pkt)
metody <- c("Ponowne czytanie", "Notatki", "Samotestowanie")
dane <- data.frame(metoda = factor(rep(metody, c(6, 5, 7)), levels = metody),
                   wynik = c(round(rnorm(6, 10, 3)), round(rnorm(5, 12, 3)), round(rnorm(7, 15, 3))))

n_j <- table(dane$metoda)                       # liczebności grup
M_j <- tapply(dane$wynik, dane$metoda, mean)    # średnie grup
M   <- mean(dane$wynik)                         # średnia ogólna (ważona liczebnościami)
cbind(n_j, M_j, odchylenie = M_j - M, wklad = n_j * (M_j - M)^2)

SS_miedzy <- sum(n_j * (M_j - M)^2)             # suma kwadratów między grupami
MS_miedzy <- SS_miedzy / (length(M_j) - 1)      # wariancja międzygrupowa (średni kwadrat)
c(M = M, SS_miedzy = SS_miedzy, MS_miedzy = MS_miedzy)

summary(aov(wynik ~ metoda, data = dane))       # ta sama liczba w wierszu „metoda”
Wynik w R
                 n_j M_j odchylenie wklad
Ponowne czytanie   6  10       -2.5 37.50
Notatki            5  12       -0.5  1.25
Samotestowanie     7  15        2.5 43.75
        M SS_miedzy MS_miedzy 
    12.50     82.50     41.25 
            Df Sum Sq Mean Sq F value Pr(>F)  
metoda       2   82.5   41.25   4.125 0.0374 *
Residuals   15  150.0   10.00                 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

SPSS

Ścieżka: Analiza → Porównywanie średnich → Jednoczynnikowa ANOVA (ang. Analyze → Compare Means → One-Way ANOVA); wynik testu przenieś do listy zmiennych zależnych, a metodę – do pola czynnika.

Co odczytać: w tabeli ANOVA wiersz „Między grupami” zawiera sumę kwadratów (82.50), df (2) i średni kwadrat (41.25), czyli wariancję międzygrupową; obok jest F i istotność.

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (pakiet stats); rysunki przygotowano w pakietach ggplot2 i patchwork. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze błędy

  • Mylenie sumy kwadratów ze średnim kwadratem – wariancją międzygrupową jest MSmiędzy = SSmiędzy / (k − 1), a nie samo SS.
  • Zwykła średnia ze średnich zamiast średniej ważonej przy nierównych grupach – w przykładzie 12.33 zamiast 12.5, co zmienia wszystkie odchylenia.
  • Utożsamianie wariancji średnich z MSmiędzy – wariancja trzech średnich wynosi tu 6.33; dopiero pomnożona przez liczebność grupy (przy równych grupach) daje średni kwadrat.
  • Ocena różnic na podstawie samej MSmiędzy – liczy się jej stosunek do wariancji wewnątrzgrupowej; ta sama wartość 41.25 przy większym rozrzucie wyników w grupach dałaby nieistotne F.
  • Nazywanie MSmiędzy „wariancją wyjaśnioną przez efekt” – zawiera ona także wariancję błędu; odsetek wyjaśnionej zmienności opisuje η² lub ω².

Najczęstsze pytania

Co to jest wariancja międzygrupowa?

To miara tego, jak bardzo średnie grup różnią się od średniej ogólnej wszystkich wyników. W analizie wariancji liczy się ją jako średni kwadrat między grupami (MSmiędzy), czyli sumę kwadratów między grupami podzieloną przez liczbę grup minus jeden. Jest licznikiem statystyki F.

Jak obliczyć wariancję międzygrupową?

Odejmij średnią ogólną od średniej każdej grupy, podnieś różnicę do kwadratu, pomnóż przez liczebność grupy i zsumuj – to SSmiędzy. Potem podziel ją przez k − 1. W przykładzie z tej strony 37.50 + 1.25 + 43.75 = 82.5, a MSmiędzy = 82.5 / 2 = 41.25.

Czym różni się wariancja międzygrupowa od wewnątrzgrupowej?

Międzygrupowa opisuje różnice między średnimi grup, a wewnątrzgrupowa – rozrzut wyników osób wokół średniej własnej grupy. Ich stosunek to statystyka F w ANOVA: im większa wariancja międzygrupowa w porównaniu z wewnątrzgrupową, tym silniejsze świadectwo różnic między grupami.

Dlaczego przy wariancji międzygrupowej dzieli się przez k − 1?

Bo odchylenia średnich grup od średniej ogólnej (ważone liczebnościami) sumują się do zera, więc swobodnie może się zmieniać tylko k − 1 z nich. Podobnie w zwykłej wariancji z próby dzieli się przez n − 1. Dzięki temu przy braku różnic w populacji MSmiędzy średnio równa się wariancji błędu.

Co oznacza duża wariancja międzygrupowa?

Sama w sobie niewiele, bo zawiera też przypadkowe wahania średnich. Duża wariancja międzygrupowa w porównaniu z wewnątrzgrupową (duże F) wskazuje na prawdziwe różnice średnich. Odsetek zmienności związany z grupami opisuje eta kwadrat, η² = SSmiędzy / SSogółem.

Gdzie znaleźć wariancję międzygrupową w SPSS?

W wyniku jednoczynnikowej ANOVA (Analiza → Porównywanie średnich → Jednoczynnikowa ANOVA), w tabeli ANOVA w wierszu „Między grupami”: suma kwadratów, df i średni kwadrat. Średni kwadrat z tego wiersza to wariancja międzygrupowa.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Fisher, R. A. (1919). The correlation between relatives on the supposition of Mendelian inheritance. Transactions of the Royal Society of Edinburgh, 52(2), 399–433. https://doi.org/10.1017/S0080456800012163
  2. Grzeszkiewicz-Radulska, K. (2023). Wprowadzenie do analizy wariancji z czynnikami losowymi. Wydawnictwo Uniwersytetu Łódzkiego. https://doi.org/10.18778/8331-176-0 ● Otwarty dostęp: pełny tekst
  3. Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing experiments and analyzing data: A model comparison perspective (3rd ed.). Routledge. https://doi.org/10.4324/9781315642956
  4. Mishra, P., Singh, U., Pandey, C. M., Mishra, P., & Pandey, G. (2019). Application of Student's t-test, analysis of variance, and covariance. Annals of Cardiac Anaesthesia, 22(4), 407–411. https://doi.org/10.4103/aca.ACA_94_19 ● Otwarty dostęp
  5. Richardson, J. T. E. (2011). Eta squared and partial eta squared as measures of effect size in educational research. Educational Research Review, 6(2), 135–147. https://doi.org/10.1016/j.edurev.2010.12.001

Cytowania BibTeX

@article{fisher1919correlation, author={Fisher, R. A.}, title={{The correlation between relatives on the supposition of Mendelian inheritance}}, journal={Transactions of the Royal Society of Edinburgh}, year={1919}, volume={52}, number={2}, pages={399--433}, doi={10.1017/s0080456800012163}}
@book{grzeszkiewicz2023wprowadzenie, author={Grzeszkiewicz-Radulska, Katarzyna}, title={{Wprowadzenie do analizy wariancji z czynnikami losowymi}}, year={2023}, publisher={Wydawnictwo Uniwersytetu Łódzkiego}, doi={10.18778/8331-176-0}}
@book{maxwell2018designing, author={Maxwell, Scott E. and Delaney, Harold D. and Kelley, Ken}, title={{Designing experiments and analyzing data: A model comparison perspective}}, year={2018}, edition={3rd}, publisher={Routledge}, doi={10.4324/9781315642956}}
@article{mishra2019application, author={Mishra, Prabhaker and Singh, Uttam and Pandey, Chandra M. and Mishra, Priyadarshni and Pandey, Gaurav}, title={{Application of Student's t-test, analysis of variance, and covariance}}, journal={Annals of Cardiac Anaesthesia}, year={2019}, volume={22}, number={4}, pages={407--411}, doi={10.4103/aca.aca_94_19}}
@article{richardson2011eta, author={Richardson, John T. E.}, title={{Eta squared and partial eta squared as measures of effect size in educational research}}, journal={Educational Research Review}, year={2011}, volume={6}, number={2}, pages={135--147}, doi={10.1016/j.edurev.2010.12.001}}
R