變異數為衡量資料離散程度的重要參數。
此法使用時機：當資料中包含三組以上之樣本；同時欲了解各組樣本的母體變異數是否一致時。

本方法使用之R相關套件與參考文獻：
相關套件：stats、base 、ff、ffbase、biglm、leaps
參考文獻：(依套件名稱排序)

1. R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL：http://www.R-project.org/.
2. Daniel Adler, Christian Glaser, Oleg Nenadic, Jens Oehlschlagel and Walter Zucchini (2013). ff: memory-efficient storage of large data on disk and fast access functions. R package version 2.2-12. URL：http://CRAN.R-project.org/package=ff
3. Edwin de Jonge, Jan Wijffels and Jan van der Laan (2014). ffbase: Basic statistical functions for package ff. R package version 0.11.1. URL：http://CRAN.R-project.org/package=ffbase
4. Thomas Lumley (2013). biglm: bounded memory linear and generalized linear models. R package version 0.9-1. URL：http://CRAN.R-project.org/package=biglm
5. Thomas Lumley using Fortran code by Alan Miller (2009). leaps: regression subset selection. R package version 2.9. URL：http://CRAN.R-project.org/package=leaps

範例A-5：醫院管理的分析

現代的醫療科技發展迅速，且醫療的制度完善，每個地區都有許多的醫療院所。而便利的醫療設施再加上漸趨高齡化的人口結構，使得看病人口數一直成長，而季節的變化也可能會影響到依些季節性的疾病發生而使得醫院就醫人數的改變。由報章雜誌或電視新聞中常可見醫院人員短缺的新聞，故醫院員工的調配就成為醫院管理時很重要的一環，研究人員藉由觀察就醫人數的變化可作為醫院員工的調配的一個參考，若每月就醫人數的差異不大，則醫院即可確實的管控及調配所需要的員工人數，並有效的管理醫院。某研究型醫院中的研究人員想了解醫院就醫人數變化與醫院管理的關係，收集了該醫院三家分院的就醫人數資料，列於表中，資料中包含了一至十二月的就醫人數，共有北區、中區及南區三個分院。

表：三家分院的1-12月每月份就醫人數分配表

月份	1	2	3	4	5	6	7	8	9	10	11	12
北區分院	6354	6920	5501	5023	5666	6800	7825	7830	6804	6202	6399	6054
中區分院	5544	5955	6017	5100	4562	4907	5600	5137	6020	5320	4457	4826
南區分院	5017	5391	5454	3998	4150	4406	4921	4882	4230	4128	4030	3854

Q3：研究人員想同時了解北、中、南三區分院的人員調配方式是否可一致，因此需探討此三區分院的就醫人數變化是否有差異?該如何分析?
問題解析：此處想了解北區、中區與南區三家分院每月就醫人數的變化(變化在統計中以變異數高低來衡量)是否有差異，故討論問題"北、中、南三家分院每月就醫人數的變異數是否有差異?"。
統計方法：此問題中，變數為北區、中區與南區分院每月的就醫人數，可視為單一變數(一個變數，建議選擇單變數分析)，討論三家分院為三組樣本，且三區分院的就醫病人之間無關聯，可視為獨立樣本；可採用分析方法：(獨立)多樣本變異數(標準差)差異檢定(Levene test)，檢定"北、中、南三家分院每月就醫人數的變異數是否有差異?"。

解析：
1. 此題可建立虛無假設為"北、中、南三區的分院的就醫人數變異數無差異"，即H₀： σ²_北=σ²_中=σ²_南。
2. 建立資料檔上傳，檔案格式請參照上傳檔案說明。
3. 依分析步驟說明分析資料。
4. 分析結果：

(獨立)多樣本變異數(標準差)差異檢定 - 分析結果

• 分析方法：(獨立)多樣本變異數(標準差)差異檢定
  
• 資料名稱：範例A-5
  
• 檢定變數：_NEW_
  
• 分組變數：_GROUP_(北區分院, 中區分院, 南區分院)
  
• 顯著水準：0.05
  
• 計算時間：0.327秒

• 樣本敘述統計量^I：

  變數名稱 Variable	分組變數(_GROUP_) Class Variable(_GROUP_)	樣本數 Count	平均數 Mean	中位數 Median	最小值 Minimum	最大值 Maximum	標準差 Std. dev.
  _NEW_	北區分院	12	6448.1667	6376.5	5023	7830	855.2205
  	中區分院	12	5287.0833	5228.5	4457	6020	548.5878
  	南區分院	12	4538.4167	4318	3854	5454	564.8476
  	不分組(Total)	36	5424.5556	5355.5	3854	7830	1029.4032

  I：樣本敘述統計量皆不包含遺失值

• (獨立)多樣本變異數(標準差)差異檢定^I：

  虛無假設：各組資料的變異數相等 H0：σ12 = ... = σ32
  變數名稱 variable	F檢定統計量 F-statistics	分子自由度 d.f. of numerator	分母自由度 d.f. of denominator	臨界值 F(d.f.1,d.f.2,1-α)	p-值II p-value
  _NEW_	1.2068	1	34	4.13	0.27969

  I：分組變數為_GROUP_
  II：顯著性代碼：‘***’ : < 0.001, ‘**’ : < 0.01, ‘*’ : < 0.05, ‘#’ : < 0.1

• 分析結果建議：由於檢定結果P-值(0.27969) > 顯著水準0.05，因此無法拒絕虛無假設。

[重新分析]

影音教學內容為本系統資料處理與分析方法之操作說明， 可供使用者即時參考及線上自學， 輕鬆上手「雲端資料分析暨導引系統」!