Słownik metodologiczny · Analiza wariancji

Wariancja wewnątrzgrupowa – co to jest, jak ją obliczyć i jak wpływa na błąd standardowy i moc?

Wariancja wewnątrzgrupowa (wariancja błędu) mówi, jak bardzo wyniki osób rozrzucone są wokół średnich ich grup. Liczymy SSwewn, MSwewn i wariancję połączoną na tym samym przykładzie co w haśle o wariancji międzygrupowej i pokazujemy, jak przekłada się ona na błąd standardowy, d Cohena i moc testu.

Strona główna / Słownik / Wariancja wewnątrzgrupowa
W skrócie: Wariancja wewnątrzgrupowa to średni kwadrat wewnątrz grup: MSwewn = SSwewn / (N − k), czyli średnia wariancji grup ważona ich stopniami swobody (wariancja połączona). Opisuje rozrzut wyników osób wokół średnich ich grup i jest mianownikiem statystyki F oraz podstawą błędów standardowych. Im jest mniejsza, tym większa moc testu – dlatego rzetelny pomiar i kontrola zmiennych ubocznych zmniejszają potrzebną liczebność próby.

Co to jest wariancja wewnątrzgrupowa?

Wariancja wewnątrzgrupowa (ang. within-group variance) opisuje, jak bardzo wyniki osób rozrzucone są wokół średniej własnej grupy. W analizie wariancji to średni kwadrat wewnątrz grup, MSwewn, nazywany też wariancją błędu (MSbłędu, MSreszt). Przy założeniu równych wariancji w populacjach jest to wariancja połączona (ang. pooled variance) – ważona średnia wariancji z wszystkich grup. Stanowi mianownik statystyki F i podstawę błędów standardowych w porównaniach grup.

Na wariancję wewnątrzgrupową składa się wszystko, czego przynależność do grupy nie wyjaśnia: różnice indywidualne, błąd pomiaru i czynniki niekontrolowane w badaniu. Jej odpowiednikiem dla średnich grup jest wariancja międzygrupowa; na tej stronie kontynuujemy przykład z tamtego hasła, żeby pokazać obie części tej samej tabeli ANOVA.

Wzór: suma kwadratów i wariancja połączona

SSwewn = Σj Σi (xij − Mj)²    MSwewn = SSwewn / (N − k)
MSwewn = Σ (nj − 1) sj² / Σ (nj − 1)
  • xij – wynik osoby i w grupie j; Mj – średnia tej grupy,
  • sj² – wariancja w grupie j (z mianownikiem nj − 1),
  • N − k – stopnie swobody błędu: liczba osób minus liczba grup.

Oba wzory dają to samo: wariancja wewnątrzgrupowa to średnia z wariancji grup ważona ich stopniami swobody. Większa grupa daje dokładniejsze oszacowanie wariancji, więc ma większy wpływ na wynik. Z każdej grupy „tracimy” jeden stopień swobody, bo odchylenia liczymy od średniej oszacowanej w tej samej grupie.

Przykład: te same trzy metody powtórki

Osiemnaście osób przygotowywało się do testu wiedzy (0–20 punktów) metodą ponownego czytania (n = 6, M = 10), robienia notatek (n = 5, M = 12) albo samotestowania (n = 7, M = 15; dane symulowane). Od każdego wyniku odejmujemy średnią jego grupy:

Odchylenia od średnich grup, sumy kwadratów i wariancje w trzech grupach
MetodaOdchylenia x − MjSSjdfsj²
Ponowne czytanie4, −4, 3, −2, 1, −250510.00
Notatki1, 4, −2, −5, 250412.50
Samotestowanie0, −1, −3, 4, 2, 2, −45068.33
Razem15015

Przykładowo dla czytania: 4² + 4² + 3² + 2² + 1² + 2² = 50. Wariancja wewnątrzgrupowa wynosi więc:

MSwewn = 150 / (18 − 3) = (5 × 10.00 + 4 × 12.50 + 6 × 8.33) / 15 = 10.00

Połączone odchylenie standardowe to √10 = 3.16 punktu – tyle typowo różnią się od siebie osoby stosujące tę samą metodę. Zwróć uwagę na dwie liczby, z którymi łatwo pomylić MSwewn. Zwykła średnia trzech wariancji wynosi 10.28 – przy nierównych grupach przecenia wagę małej grupy notatek. Wariancja wszystkich 18 wyników wynosi 13.68, bo zawiera też różnice między średnimi grup.

Panel A: odchylenia wyników 18 osób od średnich ich grup – w każdej grupie suma kwadratów wynosi 50, a wariancje 10.00, 12.50 i 8.33; panel B: wszystkie 18 odchyleń razem z krzywą normalną o wariancji 10 i przedziałem ±3.16
Rysunek 1. A: odchylenie każdej osoby od średniej własnej grupy (czerwona linia = średnia grupy) z sumą kwadratów i wariancją grupy. B: po odjęciu średnich odchylenia z trzech grup tworzą jeden rozkład; jego wariancja to MSwewn = 10.00 (niebieska krzywa normalna, przerywane linie: ±3.16). Obliczenia: R (dane symulowane).

Założenie równych wariancji

Łączenie wariancji ma sens, gdy w populacjach są one równe – to założenie homogeniczności wariancji. W przykładzie wariancje grup (8.33–12.50) są podobne, a test Levene’a nie wskazuje różnic, F(2, 15) = 0.09, p = .912. Delacre i in. (2017) pokazują jednak, że w psychologii założenie to rzadko jest spełnione, a wybór testu na podstawie testu wstępnego często zawodzi. Dla ANOVA Delacre i in. (2019) zalecają domyślnie test F Welcha, który nie łączy wariancji. W naszym małym przykładzie dał on F(2, 9.10) = 4.20, p = .051 – wniosek na granicy istotności, co dobrze pokazuje, jak niepewne są wyniki grup liczących po kilka osób (zob. test Welcha i heterogeniczność wariancji).

Wariancja wewnątrzgrupowa a błąd standardowy

MSwewn jest punktem wyjścia do błędów standardowych w ANOVA. Błąd standardowy średniej grupy to √(MSwewn / nj): dla samotestowania √(10 / 7) = 1.20, dla czytania 1.29, dla notatek 1.41. Błąd standardowy różnicy dwóch średnich łączy obie grupy:

SEróżnicy = √[MSwewn × (1/n1 + 1/n2)] = √[10 × (1/7 + 1/6)] = 1.76

Dla różnicy samotestowanie − czytanie (5 punktów) daje to t(15) = 5 / 1.76 = 2.84 i 95% CI [1.25, 8.75] bez korekty na porównania wielokrotne. Test HSD Tukeya (zob. testy post hoc) korzysta z tego samego MSwewn i po korekcie daje p = .031. Połączone odchylenie standardowe jest też mianownikiem d Cohena: d = 5 / 3.16 = 1.58.

Wariancja wewnątrzgrupowa a moc testu

Im mniejsza wariancja wewnątrzgrupowa, tym większe F przy tych samych różnicach średnich i tym większa moc testu. Rysunek 2 pokazuje moc testu F dla średnich populacyjnych 10, 12 i 15 przy trzech poziomach wariancji błędu.

Krzywe mocy testu F dla średnich 10, 12 i 15: przy wariancji wewnątrzgrupowej 5 moc .80 osiąga się przy 5 osobach na grupę, przy wariancji 10 – przy 9 osobach, a przy wariancji 20 – przy 17 osobach
Rysunek 2. Moc testu F (α = .05) w zależności od liczby osób w każdej z trzech grup przy tych samych średnich w populacji i różnej wariancji wewnątrzgrupowej. Punkty – najmniejsza liczebność dająca moc co najmniej .80. Obliczenia: R (rozkład F niecentralny).

Przy wariancji błędu 10, jak w przykładzie, moc .80 wymaga 9 osób na grupę (dla układu 6, 5 i 7 osób moc wynosi .64). Gdy wariancja wewnątrzgrupowa jest dwa razy większa, potrzeba 17 osób, a gdy dwa razy mniejsza – tylko 5. Dlatego planując badanie, przyjmij realistyczne odchylenie standardowe z wcześniejszych badań; analizę mocy dla typowych planów eksperymentalnych krok po kroku pokazują Perugini i in. (2018). Wariancję błędu zmniejszają:

  • rzetelny pomiar – mniej błędu pomiaru (zob. rzetelność);
  • standaryzacja procedury – ta sama instrukcja, czas i warunki dla wszystkich;
  • kontrola zmiennych towarzyszących – np. ANCOVA z pretestem usuwa część różnic indywidualnych z błędu;
  • plan wewnątrzobiektowy – gdy każda osoba przechodzi przez wszystkie warunki, stałe różnice między osobami wypadają z błędu (zob. ANOVA z powtarzanymi pomiarami). Brysbaert (2019) szacuje, że przy d = 0.4 porównanie dwóch warunków wewnątrzobiektowych z mocą 80% wymaga ponad 50 osób, a przy zmiennej międzygrupowej – liczebności rzędu 100, 200 i więcej.

Jak opisać wynik w pracy (APA)

Wariancja wewnątrzgrupowa trafia do tabeli ANOVA jako wiersz „Wewnątrz grup” (lub „Błąd”). W tekście zwykle podaje się średnie i odchylenia standardowe grup – Lee i in. (2015) przypominają, że wariancja jest wyrażona w jednostkach do kwadratu, więc do opisu danych wygodniejsze jest odchylenie standardowe. Przykładowy opis:

Wyniki testu wiedzy różniły się między metodami powtórki, F(2, 15) = 4.13, p = .037, η² = .35 (MS błędu = 10.00, połączone SD = 3.16). Osoby stosujące samotestowanie (M = 15.00, SD = 2.89) uzyskały wyższe wyniki niż osoby czytające ponownie podręcznik (M = 10.00, SD = 3.16), różnica = 5.00, p = .031 (test HSD Tukeya), d = 1.58. Wyniki osób robiących notatki (M = 12.00, SD = 3.54) nie różniły się istotnie od pozostałych grup.

Tabelę wyników w formacie APA przygotujesz według wzoru z hasła tabela ANOVA w APA, a o planowaniu liczebności próby przeczytasz w poradniku dobór liczebności próby.

Przykład reprodukowalny

Wariancja wewnątrzgrupowa w R i SPSS

Kod odtwarza dane z przykładu, liczy odchylenia od średnich grup, sumy kwadratów i wariancje grup, wariancję połączoną, błąd standardowy różnicy oraz liczebność potrzebną do mocy .80. Liczby w tekście pochodzą z tego kodu; test Levene’a, test Welcha, test Tukeya, krzywe mocy i rysunki – z pełnego skryptu strony.

SS i MS wewnątrz grup, wariancja połączona i moc

Dane wejściowe: wyniki testu wiedzy (0–20) 18 osób w trzech grupach (dane symulowane, set.seed(1674410), te same co w haśle o wariancji międzygrupowej).

Co odczytać: SS_j i s2_j w grupach, MS_wewn (wariancja połączona) i SD_pooled, srednia_s2 dla porównania, SE różnicy z wartością t oraz n na grupę dla mocy .80 (przy równych grupach; zaokrąglij w górę do 9).

R
set.seed(1674410)                       # te same dane co w haśle o wariancji międzygrupowej
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))))

reszta <- dane$wynik - ave(dane$wynik, dane$metoda)   # odchylenie od średniej własnej grupy
n_j  <- table(dane$metoda)
SS_j <- tapply(reszta^2, dane$metoda, sum)            # suma kwadratów w każdej grupie
s2_j <- tapply(dane$wynik, dane$metoda, var)          # wariancja w każdej grupie
cbind(n_j, SS_j, s2_j)

SS_wewn <- sum(SS_j)
MS_wewn <- SS_wewn / (nrow(dane) - length(n_j))       # wariancja wewnątrzgrupowa = połączona
c(SS_wewn = SS_wewn, MS_wewn = MS_wewn, SD_pooled = sqrt(MS_wewn), srednia_s2 = mean(s2_j))

SE_roz <- sqrt(MS_wewn * (1/7 + 1/6))                 # SE różnicy: samotestowanie – czytanie
c(SE = SE_roz, t = (15 - 10) / SE_roz)

power.anova.test(groups = 3, between.var = var(c(10, 12, 15)),
                 within.var = MS_wewn, power = .80)   # ile osób na grupę dla mocy .80?
Wynik w R
                 n_j SS_j      s2_j
Ponowne czytanie   6   50 10.000000
Notatki            5   50 12.500000
Samotestowanie     7   50  8.333333
   SS_wewn    MS_wewn  SD_pooled srednia_s2 
150.000000  10.000000   3.162278  10.277778 
      SE        t 
1.759329 2.841993 

     Balanced one-way analysis of variance power calculation 

         groups = 3
              n = 8.687171
    between.var = 6.333333
     within.var = 10
      sig.level = 0.05
          power = 0.8

NOTE: n is number in each group

SPSS

Ścieżka: Analiza → Porównywanie średnich → Jednoczynnikowa ANOVA (ang. Analyze → Compare Means → One-Way ANOVA); w Opcjach zaznacz statystyki opisowe, test jednorodności wariancji i test Welcha.

Co odczytać: w tabeli ANOVA wiersz „Wewnątrz grup” podaje sumę kwadratów (150.00), df (15) i średni kwadrat (10.00), czyli wariancję wewnątrzgrupową; pierwiastek z niej to połączone odchylenie standardowe. Test Levene’a i test Welcha pojawią się w osobnych tabelach.

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (test Levene’a – pakiet car); 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. car (wersja 3.1.5): Fox, J., & Weisberg, S. (2019). An R companion to applied regression (3rd ed.). Sage. https://www.john-fox.ca/Companion/
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  4. 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

  • Zwykła średnia wariancji grup zamiast wariancji połączonej – przy nierównych grupach wynik się różni (10.28 zamiast 10.00).
  • Wariancja wszystkich wyników jako „błąd” – zawiera różnice między grupami (13.68 zamiast 10.00), więc zaniża F.
  • Dzielenie SSwewn przez N − 1 zamiast przez N − k.
  • Mylenie wariancji z odchyleniem standardowym – MSwewn = 10.00 to punkty do kwadratu; połączone SD to 3.16 punktu.
  • Łączenie bardzo różnych wariancji przy nierównych grupach – wtedy wybierz test Welcha (Delacre i in., 2019).
  • Planowanie próby bez założenia o rozrzucie wyników – moc zależy od różnic średnich w stosunku do wariancji wewnątrzgrupowej, nie od samych różnic.

Najczęstsze pytania

Co to jest wariancja wewnątrzgrupowa?

To miara tego, jak bardzo wyniki osób różnią się od średniej ich własnej grupy. W ANOVA liczy się ją jako średni kwadrat wewnątrz grup, MSwewn = SSwewn / (N − k). Nazywa się ją też wariancją błędu, bo obejmuje wszystko, czego przynależność do grupy nie wyjaśnia.

Jak obliczyć wariancję wewnątrzgrupową?

W każdej grupie odejmij średnią grupy od każdego wyniku, podnieś różnice do kwadratu i zsumuj. Zsumuj te wartości dla wszystkich grup (SSwewn) i podziel przez liczbę osób minus liczbę grup. W przykładzie z tej strony 150 / (18 − 3) = 10.00.

Co to jest wariancja połączona?

To średnia wariancji z kilku grup ważona ich stopniami swobody (n − 1). Przy założeniu równych wariancji w populacjach jest tym samym co MSwewn w ANOVA i podstawą testu t Studenta. Gdy wariancje i liczebności grup wyraźnie się różnią, lepiej użyć testu Welcha, który wariancji nie łączy.

Czym różni się wariancja wewnątrzgrupowa od międzygrupowej?

Wewnątrzgrupowa opisuje rozrzut osób wokół średnich ich grup, a międzygrupowa – rozrzut średnich grup wokół średniej ogólnej. Statystyka F to iloraz wariancji międzygrupowej i wewnątrzgrupowej.

Jak wariancja wewnątrzgrupowa wpływa na moc testu?

Im większa wariancja wewnątrzgrupowa, tym mniejsze F i mniejsza moc przy tych samych różnicach średnich. W przykładzie z tej strony moc .80 wymaga 9 osób na grupę przy wariancji błędu 10, ale 17 osób przy wariancji 20. Wariancję błędu zmniejszają m.in. rzetelny pomiar, standaryzacja procedury i plan wewnątrzobiektowy.

Gdzie znaleźć wariancję wewnątrzgrupową w SPSS?

W wyniku jednoczynnikowej ANOVA, w tabeli ANOVA w wierszu „Wewnątrz grup”: średni kwadrat z tego wiersza to wariancja wewnątrzgrupowa. W modelach ogólnego modelu liniowego ten sam wiersz nazywa się „Błąd”.

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. Brysbaert, M. (2019). How many participants do we have to include in properly powered experiments? A tutorial of power analysis with reference tables. Journal of Cognition, 2(1), Article 16. https://doi.org/10.5334/joc.72 ● Otwarty dostęp
  2. Delacre, M., Lakens, D., & Leys, C. (2017). Why psychologists should by default use Welch's t-test instead of Student's t-test. International Review of Social Psychology, 30(1), 92–101. https://doi.org/10.5334/irsp.82 ● Otwarty dostęp
  3. Delacre, M., Leys, C., Mora, Y. L., & Lakens, D. (2019). Taking parametric assumptions seriously: Arguments for the use of Welch's F-test instead of the classical F-test in one-way ANOVA. International Review of Social Psychology, 32(1), Article 13. https://doi.org/10.5334/irsp.198 ● Otwarty dostęp
  4. Lee, D. K., In, J., & Lee, S. (2015). Standard deviation and standard error of the mean. Korean Journal of Anesthesiology, 68(3), 220–223. https://doi.org/10.4097/kjae.2015.68.3.220 ● Otwarty dostęp
  5. Perugini, M., Gallucci, M., & Costantini, G. (2018). A practical primer to power analysis for simple experimental designs. International Review of Social Psychology, 31(1), Article 20. https://doi.org/10.5334/irsp.181 ● Otwarty dostęp

Cytowania BibTeX

@article{brysbaert2019how, author={Brysbaert, Marc}, title={{How many participants do we have to include in properly powered experiments? A tutorial of power analysis with reference tables}}, journal={Journal of Cognition}, year={2019}, volume={2}, number={1}, eid={16}, doi={10.5334/joc.72}}
@article{delacre2017why, author={Delacre, Marie and Lakens, Daniël and Leys, Christophe}, title={{Why psychologists should by default use Welch's t-test instead of Student's t-test}}, journal={International Review of Social Psychology}, year={2017}, volume={30}, number={1}, pages={92--101}, doi={10.5334/irsp.82}}
@article{delacre2019taking, author={Delacre, Marie and Leys, Christophe and Mora, Youri L. and Lakens, Daniël}, title={{Taking parametric assumptions seriously: Arguments for the use of Welch's F-test instead of the classical F-test in one-way ANOVA}}, journal={International Review of Social Psychology}, year={2019}, volume={32}, number={1}, eid={13}, doi={10.5334/irsp.198}}
@article{lee2015standard, author={Lee, Dong Kyu and In, Junyong and Lee, Sangseok}, title={{Standard deviation and standard error of the mean}}, journal={Korean Journal of Anesthesiology}, year={2015}, volume={68}, number={3}, pages={220--223}, doi={10.4097/kjae.2015.68.3.220}}
@article{perugini2018practical, author={Perugini, Marco and Gallucci, Marcello and Costantini, Giulio}, title={{A practical primer to power analysis for simple experimental designs}}, journal={International Review of Social Psychology}, year={2018}, volume={31}, number={1}, eid={20}, doi={10.5334/irsp.181}}
R