SQL分组方差统计：从函数选择到避坑指南
在数据分析中，衡量一组数据的离散程度，方差是个绕不开的指标。当需要在SQL里按部门、按日期或其他维度分组计算方差时，你可能会发现，事情比想象中要微妙一些。直接调用VAR函数？当然可以，但默认算的是样本方差还是总体方差？不同数据库的语法又是否一致？今天，我们就来把这些细节掰扯清楚。
简单来说，VAR函数在分组统计中确实直接可用，但默认计算的是样本方差（分母为n−1）。如果需要总体方差，得改用VAR_POP。另外，所有VAR系函数都会自动忽略NULL值。如果整组数据全是NULL，或者只有一个非空值，VAR_SAMP会返回NULL，而VAR_POP则返回0.0。
VAR函数在分组统计中直接可用，但要注意NULL和样本/总体的区别
好消息是，SQL标准已经为我们准备了现成的工具。VAR函数（或者它更完整的别名VAR_SAMP）就是一个专为分组方差计算设计的聚合函数，无需我们再手动去写那个“先求平均，再算差方，最后求和”的复杂过程。
不过，这里有个关键点很容易被忽略：它默认计算的是样本方差，也就是分母是n-1。这适用于你的分组数据被视为一个更大总体的“样本”，需要进行统计推断的场景。如果你的业务场景是把当前分组视为一个完整的“总体”，不需要外推，那么就该使用VAR_POP函数，否则计算结果会系统性地偏高。
VAR和VAR_SAMP是等价的，适用于从分组中抽样、并想推断更大总体离散度的场景。VAR_POP则适用于“分组即全部”的场景，比如直接统计某一天各个门店销售额的波动情况。- 所有这类函数都自动忽略
NULL值。但如果整组数据全是NULL，或者只有一个非空值，VAR_SAMP会返回NULL，而VAR_POP会返回0.0。
GROUP BY + VAR 的基本写法和常见报错
用法其实很直观：在SELECT子句中对你的数值列使用VAR()，再配合GROUP BY指定分组维度就行了。但实践中，最常见的错误往往出在两个方面：要么是SELECT列表里混入了既未聚合又未分组的列，要么是错误地对非数值型列调用了方差函数。
- 正确写法示例：
SELECT dept, VAR(salary) AS salary_var FROM employees GROUP BY dept - 一个典型报错：
ERROR: column “employees.name” must appear in the GROUP BY clause or be used in an aggregate function。看到这个，第一反应就是去检查SELECT列表，看看是不是不小心带出了像姓名（name）这样的非聚合、非分组列。 - 另一个典型报错：
ERROR: function var(text) does not exist。这通常意味着你传入VAR()的列是文本（text）或布尔（boolean）类型。务必确保传入的是数值型列（如INT,FLOAT,NUMERIC），必要时可以使用::numeric进行强制类型转换。
MySQL / PostgreSQL / SQL Server 对VAR的支持差异
虽然方差计算的概念是通用的，但具体到不同数据库管理系统，函数名和默认行为存在差异，这在跨数据库迁移时尤其需要注意。
- PostgreSQL：支持最全，提供了
VAR()、VAR_SAMP()、VAR_POP()全套。VAR()在这里就是VAR_SAMP()的同义词。 - MySQL：只提供了
VARIANCE()（等同于VAR_SAMP()）和VAR_POP()。注意，它没有简写的VAR()函数，直接使用会报错。 - SQL Server：使用
VAR()表示样本方差，而总体方差则用VARP()表示。注意它的函数名后缀是P，而不是_POP。 - SQLite：这是一个特例，它本身不支持任何内置的方差聚合函数。如果需要计算，只能手动书写公式：
(A VG(x*x) - A VG(x)*A VG(x))。需要提醒的是，这个公式仅在数据中没有NULL值时才与标准方差计算结果数学等价。
方差为NULL或0时该怎么排查
查询结果返回NULL或者0，并不总是意味着出错，但确实需要我们根据数据情况仔细甄别。NULL可能是一种合理的状态，而0有时反而会掩盖真实的数据问题。
NULL结果从何而来？常见原因有几个：分组内有效的非空值数量少于2个（VAR_SAMP要求至少2个数据点）；整组数据全是NULL；或者列在隐式类型转换时失败（比如字符串里混入了非数字字符）。0结果就一定好吗？ 如果分组内所有数值完全相等，方差为0是正常的。但要警惕“假性相等”——例如，salary字段如果是INT类型，实际带有小数的原始值在存入时就被截断了，这会导致计算出的方差为0，却失真地反映了实际情况。- 快速排查技巧：对返回
NULL或0的可疑分组，可以同时查询COUNT(*)、COUNT(col)、MIN(col)、MAX(col)。通过数据量和取值范围，能立刻对数据质量有个基本判断。
最后，还有两点值得注意。首先，方差本身对异常值非常敏感。如果一个分组里存在一个极端的离群点，整个VAR值会被拉得很高。在这种情况下，结合标准差（STDDEV）或者四分位距来综合判断，可能更为稳健。其次，目前主流数据库的VAR聚合函数都不支持窗口函数模式（即你不能写VAR(x) OVER (PARTITION BY ...)）。如果需要在窗口内计算方差，一个变通方法是使用STDDEV的窗口函数然后平方，或者借助公共表表达式（CTE）先进行预聚合。
