ANOVA je robustní test, ale v některých situacích nevhodný.
Jednosměrná ANalýza odchylky neboli ANOVA je statistická metoda používaná k porovnání průměrů více než dvou souborů dat, aby se zjistilo, zda se od sebe statisticky liší. SPSS, balík pro statistickou analýzu, umožňuje použití jednosměrné ANOVA ve své rozsáhlé sadě procedur. ANOVA však není dokonalý test a za určitých okolností poskytne zavádějící výsledky.
Omezení vzorku
Test ANOVA předpokládá, že vzorky použité v analýze jsou „jednoduché náhodné vzorky“. To znamená, že vzorek jednotlivců (datové body) je odebrán z větší populace (větší soubor dat). Vzorky musí být také nezávislé -- to znamená, že se navzájem neovlivňují. ANOVA je obecně vhodná pro porovnávání průměrů v kontrolovaných studiích, ale pokud vzorky nejsou nezávislé, musí se použít test opakovaných měření.
Video dne
Normální distribuce
ANOVA předpokládá, že data ve skupinách jsou normálně distribuována. Pokud tomu tak není, test lze stále provést - a pokud je porušení tohoto předpokladu pouze mírné, je test stále vhodný. Pokud jsou však data daleko od normálního rozdělení, test neposkytne přesné výsledky. Chcete-li to obejít, buď transformujte data pomocí funkce SPSS "Compute" před spuštěním analýzy, nebo použijte alternativní test, jako je Kruskal-Wallace test.
Stejné standardní odchylky
Dalším omezením ANOVA je, že předpokládá, že skupiny mají stejné nebo velmi podobné standardní odchylky. Čím větší je rozdíl ve směrodatných odchylkách mezi skupinami, tím větší je pravděpodobnost, že závěr testu bude nepřesný. Stejně jako u předpokladu normálního rozdělení to není problém, pokud se standardní odchylky výrazně neliší a velikosti vzorků každé skupiny jsou zhruba stejné. Pokud tomu tak není, je lepší volbou Welchův test.
Vícenásobná srovnání
Když spustíte ANOVA v SPSS, výsledná hodnota F a hladina významnosti vám pouze řeknou, zda se alespoň jedna skupina ve vaší analýze liší od alespoň jedné jiné. Neřekne vám, kolik skupin nebo které skupiny se statisticky liší. Aby to bylo možné určit, je třeba provést následná srovnání. V malých analýzách je to zřídka problém, ale čím vyšší je počet skupin zahrnutých do analýzy následného testu, tím větší je šance, že uděláte chybu typu I, což předpokládá vliv tam, kde je není jeden.