ANOVA on vankka testi, mutta sopimaton joissakin tilanteissa.
Yksisuuntainen varianssianalyysi eli ANOVA on tilastollinen menetelmä, jota käytetään vertaamaan useamman kuin kahden tietojoukon keskiarvoja sen selvittämiseksi, eroavatko ne tilastollisesti toisistaan. SPSS, tilastollinen analyysipaketti, mahdollistaa yksisuuntaisen ANOVA: n käytön laajassa prosessisarjassaan. ANOVA ei kuitenkaan ole täydellinen testi ja antaa tietyissä olosuhteissa harhaanjohtavia tuloksia.
Näytteen rajoitukset
ANOVA-testissä oletetaan, että analyysissä käytetyt näytteet ovat "yksinkertaisia satunnaisnäytteitä". Tämä tarkoittaa, että näyte yksilöistä (tietopisteistä) otetaan suuremmasta populaatiosta (suuremmasta tietopankista). Näytteiden on myös oltava riippumattomia - eli ne eivät vaikuta toisiinsa. ANOVA soveltuu yleensä keskiarvojen vertailuun kontrolloiduissa tutkimuksissa, mutta kun näytteet eivät ole riippumattomia, on käytettävä toistettujen mittausten testiä.
Päivän video
Normaalijakauma
ANOVA olettaa, että ryhmien tiedot ovat jakautuneet normaalisti. Testi voidaan silti suorittaa, jos näin ei ole - ja jos tämän oletuksen rikkominen on vain kohtalaista, testi on silti sopiva. Jos data on kuitenkin kaukana normaalijakaumasta, testi ei anna tarkkoja tuloksia. Voit kiertää tämän joko muuntamalla tiedot SPSS "Compute" -toiminnolla ennen analyysin suorittamista tai käyttämällä vaihtoehtoista testiä, kuten Kruskal-Wallace -testiä.
Samat standardipoikkeamat
Toinen ANOVA: n rajoitus on, että se olettaa, että ryhmillä on samat tai hyvin samankaltaiset keskihajonnat. Mitä suurempi ero keskihajonnassa ryhmien välillä on, sitä suurempi on mahdollisuus, että testin johtopäätös on epätarkka. Kuten normaalijakauman oletus, tämä ei ole ongelma, kunhan keskihajonnat eivät ole valtavasti erilaisia ja kunkin ryhmän otoskoot ovat suunnilleen samat. Jos näin ei ole, Welch-testi on parempi vaihtoehto.
Useita vertailuja
Kun suoritat ANOVA: n SPSS: ssä, tuloksena oleva F-arvo ja merkitsevyystaso kertovat vain, onko vähintään yksi analyysisi ryhmä erilainen kuin vähintään yksi muu. Se ei kerro, kuinka monta ryhmää tai mitkä ryhmät eroavat tilastollisesti. Tämän määrittämiseksi on suoritettava seurantavertailuja. Tämä on harvoin ongelma pienissä analyyseissä, mutta mitä suurempi määrä ryhmiä on mukana seurantatestissä, sitä suurempi on mahdollisuus tehdä tyypin I virhe, joka olettaa vaikuttavan siellä ei ole yksi.
