ANOVA je robustan test, ali neprikladan u nekim situacijama.
Jednosmjerna ANAlysis Of VARiance, ili ANOVA, statistička je metoda koja se koristi za usporedbu srednjih vrijednosti više od dva skupa podataka, kako bi se utvrdilo jesu li statistički različiti jedan od drugog. SPSS, paket statističke analize, dopušta korištenje jednosmjerne ANOVA u svom velikom skupu postupaka. Međutim, ANOVA nije savršen test i pod određenim okolnostima će dati pogrešne rezultate.
Ograničenja uzorka
ANOVA test pretpostavlja da su uzorci korišteni u analizi "Jednostavni slučajni uzorci". To znači da se uzorak pojedinaca (podatkovne točke) uzima iz veće populacije (veći skup podataka). Uzorci također moraju biti neovisni - to jest, ne utječu jedni na druge. ANOVA je općenito prikladna za usporedbu srednjih vrijednosti u kontroliranim studijama, ali kada uzorci nisu neovisni, mora se koristiti ponovljeni test mjerenja.
Video dana
Normalna distribucija
ANOVA pretpostavlja da su podaci u skupinama normalno raspoređeni. Test se još uvijek može provesti ako to nije slučaj -- a ako je kršenje ove pretpostavke samo umjereno, test je još uvijek prikladan. Međutim, ako su podaci daleko od normalne distribucije, test neće dati točne rezultate. Da biste to zaobišli, ili transformirajte podatke pomoću funkcije SPSS "Compute" prije pokretanja analize ili upotrijebite alternativni test kao što je Kruskal-Wallaceov test.
Jednake standardne devijacije
Drugo ograničenje ANOVA-e je da pretpostavlja da skupine imaju iste ili vrlo slične standardne devijacije. Što je veća razlika u standardnim devijacijama između skupina, veća je vjerojatnost da je zaključak testa netočan. Poput pretpostavke normalne distribucije, ovo nije problem sve dok standardne devijacije nisu jako različite, a veličine uzorka svake skupine su otprilike jednake. Ako to nije slučaj, Welchov test je bolja opcija.
Višestruke usporedbe
Kada pokrenete ANOVA-u u SPSS-u, rezultirajuća F vrijednost i razina značaja samo vam govore da li se barem jedna grupa u vašoj analizi razlikuje od barem jedne druge. Ne govori vam koliko se grupa, ili koje grupe, statistički razlikuju. Kako bi se to utvrdilo, potrebno je izvršiti naknadne usporedbe. To je rijetko problem u malim analizama, ali što je veći broj grupa uključenih u naknadni test, veća je šansa da se napravi pogreška tipa I, koja pretpostavlja učinak tamo gdje postoji nije jedan.
