var()和variance()可直接计算方差，但需区分样本与总体；误用会导致结果系统性偏高5%～20%，小分组时尤为显著。
直接用 VAR() 或 VARIANCE() 就能算，但必须分清你算的是样本还是总体——错用会导致结果系统性偏高约 5%～20%，尤其在小分组（
VAR() 和 VAR_POP() 到底该选哪个
核心就一条：如果这组数据是你全部关心的对象（比如“2026 年 4 月北京各门店销售额”），用 VAR_POP()；如果只是从更大集合里抽出来的一份样本（比如“随机抽 50 家店估算全国趋势”），才用 VAR() 或 VARIANCE()。
常见误判点：
-
VAR()在 PostgreSQL 和 Azure Databricks 中等价于VAR_SAMP()（分母是n−1），不是总体版 - MySQL 的
VARIANCE()也是样本方差，但它把VAR_POP()当作总体方差的唯一写法 - SQL Server 根本没有
VAR_POP()，得靠VAR() * (COUNT(*) - 1.0) / COUNT(*)手动校正 - SQLite 不支持任何方差函数，只能写
AVG(x*x) - AVG(x)*AVG(x)，但该式子在含 NULL 或空组时会出错
GROUP BY 分组方差最常踩的三个坑
写 SELECT dept, VAR(salary) FROM emp GROUP BY dept 看似简单，实际容易报错或得错数：
- 报错
ERROR: column "name" must appear in the GROUP BY clause→ 检查SELECT列表里有没有漏掉聚合或没进GROUP BY的非聚合列 - 报错
function var(text) does not exist→salary实际是TEXT类型，加salary::numeric强转 - 结果全是
NULL→ 分组内非空值少于 2 个（VAR_SAMP要求至少两个有效数字），换VAR_POP()可得 0.0（仅当有值）
NULL 值和空分组怎么处理
所有主流数据库的方差函数都自动忽略 NULL，但边界情况差异大：
- 整组全
NULL：所有VAR*函数返回NULL - 组内只有一个非
NULL值：VAR_SAMP()返回NULL，VAR_POP()返回0.0 - 空表（0 行）：
VAR_POP()和VAR_SAMP()都返回NULL，不是 0 —— 如果业务逻辑依赖“0 表示无波动”，得用COALESCE(VAR_POP(x), 0) - 想排除某些行再算方差？PostgreSQL/MySQL 支持
VAR_POP(x) FILTER (WHERE status = 'active')，SQL Server 得套子查询或CASE WHEN
跨数据库迁移时函数名不兼容怎么办
写 SQL 时别硬记 “VAR 就是方差”，不同库默认行为和函数名根本不统一：
- PostgreSQL：认
VAR_POP()、VAR_SAMP()，不认VARIANCE() - MySQL：有
VARIANCE()和VAR_POP()，但没VAR() - SQL Server：只有
VAR()和VARP()（注意是 VARP，不是 VAR_POP） - Azure Databricks：
variance()是var_samp()别名，var_pop()才是总体版 - 真要写可移植 SQL？放弃内置函数，改用视图封装，或在应用层用 Python/Java 算完再入库
方差本身不难，难在业务语义和数据库实现之间那层薄纸——多数人不是不会写 VAR(x)，而是没意识到自己默认当成“总体”算的那组数据，其实在数据库眼里只是“样本”。
