ANOVA er en robust test, men upassende i nogle situationer.
En envejs ANAlysis Of VARiance, eller ANOVA, er en statistisk metode, der bruges til at sammenligne midlerne for mere end to sæt data for at se, om de er statistisk forskellige fra hinanden. SPSS, en statistisk analysepakke, tillader brugen af en envejs ANOVA i dens store suite af procedurer. ANOVA er dog ikke en perfekt test og vil under visse omstændigheder give vildledende resultater.
Prøvebegrænsninger
ANOVA-testen antager, at prøverne, der er brugt i analysen, er "Simple vilkårlige prøver." Det betyder, at en stikprøve af individer (datapunkter) tages fra en større population (en større datapulje). Prøverne skal også være uafhængige -- det vil sige, at de ikke påvirker hinanden. ANOVA er generelt velegnet til at sammenligne midler i kontrollerede undersøgelser, men når prøverne ikke er uafhængige, skal der anvendes en gentagen målingstest.
Dagens video
Normal fordeling
ANOVA forudsætter, at dataene i grupperne er normalfordelte. Testen kan stadig udføres, hvis dette ikke er tilfældet - og hvis overtrædelsen af denne antagelse kun er moderat, er testen stadig egnet. Men hvis dataene er langt fra normalfordelingen, vil testen ikke give nøjagtige resultater. For at omgå dette skal du enten transformere dataene med SPSS "Compute"-funktionen, før du kører analysen, eller bruge en alternativ test såsom en Kruskal-Wallace-test.
Lige standardafvigelser
En anden begrænsning ved ANOVA er, at den antager, at grupperne har samme eller meget lignende standardafvigelser. Jo større forskellen er i standardafvigelser mellem grupperne, jo større er chancen for, at testens konklusion er unøjagtig. Ligesom normalfordelingsantagelsen er dette ikke et problem, så længe standardafvigelserne ikke er enormt forskellige, og stikprøvestørrelserne for hver gruppe er nogenlunde lige store. Hvis dette ikke er tilfældet, er en Welch-test en bedre mulighed.
Flere sammenligninger
Når du kører en ANOVA i SPSS, fortæller den resulterende F-værdi og signifikansniveau dig kun, om mindst én gruppe i din analyse er forskellig fra mindst én anden. Den fortæller dig ikke, hvor mange grupper, eller hvilke grupper, der er statistisk forskellige. For at fastslå dette skal der foretages opfølgende sammenligninger. Dette er sjældent et problem i små analyser, men jo højere antal grupper, der indgår i opfølgningstest, jo større er chancen for at lave en Type I fejl, som antager en effekt, hvor der er ikke en.
