ANOVA е стабилен тест, но неподходящ в някои ситуации.
Еднопосочният ANAlysis Of VARiance, или ANOVA, е статистически метод, използван за сравняване на средните стойности на повече от два набора от данни, за да се види дали те са статистически различни един от друг. SPSS, пакет за статистически анализи, позволява използването на еднопосочен ANOVA в неговия голям набор от процедури. Въпреки това ANOVA не е перфектен тест и при определени обстоятелства ще даде подвеждащи резултати.
Примерни ограничения
Тестът ANOVA приема, че пробите, използвани в анализа, са „Прости произволни проби“. Това означава, че извадка от индивиди (точки от данни) се взема от по-голяма съвкупност (по-голям набор от данни). Пробите също трябва да са независими - тоест да не си влияят една на друга. ANOVA обикновено е подходящ за сравняване на средните стойности в контролирани изследвания, но когато пробите не са независими, трябва да се използва тест с повторни измервания.
Видео на деня
Нормална дистрибуция
ANOVA приема, че данните в групите са нормално разпределени. Тестът все още може да се проведе, ако това не е така - и ако нарушението на това предположение е само умерено, тестът все още е подходящ. Въпреки това, ако данните са далеч от нормалното разпределение, тестът няма да даде точни резултати. За да заобиколите това, или трансформирайте данните с функцията SPSS "Compute", преди да стартирате анализа, или използвайте алтернативен тест като тест на Kruskal-Wallace.
Равни стандартни отклонения
Друго ограничение на ANOVA е, че той приема, че групите имат еднакви или много сходни стандартни отклонения. Колкото по-голяма е разликата в стандартните отклонения между групите, толкова по-голям е шансът заключението на теста да е неточно. Подобно на предположението за нормално разпределение, това не е проблем, стига стандартните отклонения да не се различават значително и размерите на извадката на всяка група са приблизително равни. Ако това не е така, тестът на Welch е по-добър вариант.
Множество сравнения
Когато стартирате ANOVA в SPSS, получената F стойност и ниво на значимост ви казват само дали поне една група във вашия анализ е различна от поне една друга. Не ви казва колко групи или кои групи се различават статистически. За да се определи това, трябва да се извършат последващи сравнения. Това рядко е проблем при малки анализи, но колкото по-голям е броят на групите, включени в последващ тест, толкова по-голям е шансът да се направи грешка от тип I, която предполага ефект там, където има не е един.
