ANOVA הוא מבחן חזק, אך לא מתאים במצבים מסוימים.
ניתוח חד כיווני של VARiance, או ANOVA, היא שיטה סטטיסטית המשמשת להשוואת האמצעים של יותר משתי קבוצות של נתונים, כדי לראות אם הם שונים סטטיסטית זה מזה. SPSS, חבילת ניתוח סטטיסטי, מאפשרת שימוש ב-ANOVA חד כיווני בחבילת הנהלים הגדולה שלה. עם זאת, ANOVA אינו מבחן מושלם ובנסיבות מסוימות יספק תוצאות מטעות.
מגבלות לדוגמה
מבחן ANOVA מניח שהדגימות המשמשות בניתוח הן "דגימות אקראיות פשוטות". המשמעות היא שמדגם של פרטים (נקודות נתונים) נלקח מאוכלוסיה גדולה יותר (מאגר נתונים גדול יותר). הדגימות חייבות להיות גם עצמאיות -- כלומר הן אינן משפיעות אחת על השנייה. ANOVA מתאימה בדרך כלל להשוואת אמצעים במחקרים מבוקרים, אך כאשר הדגימות אינן עצמאיות יש להשתמש בבדיקת מדדים חוזרים.
סרטון היום
התפלגות נורמלית
ANOVA מניח שהנתונים בקבוצות מחולקים בצורה נורמלית. עדיין ניתן לבצע את הבדיקה אם זה לא יהיה המצב - ואם ההפרה של הנחה זו היא מתונה בלבד, הבדיקה עדיין מתאימה. עם זאת, אם הנתונים רחוקים מההתפלגות הנורמלית, הבדיקה לא תספק תוצאות מדויקות. כדי לעקוף את זה, או שנה את הנתונים עם הפונקציה SPSS "Compute" לפני הפעלת הניתוח, או השתמש במבחן חלופי כגון מבחן Kruskal-Wallace.
סטיות תקן שוות
מגבלה נוספת של ANOVA היא שהיא מניחה שלקבוצות יש את אותן סטיות תקן, או דומות מאוד. ככל שההבדל בסטיות התקן בין הקבוצות גדול יותר, כך גדל הסיכוי שהמסקנה של הבדיקה אינה מדויקת. כמו הנחת ההתפלגות הנורמלית, זו אינה בעיה כל עוד סטיות התקן אינן שונות מאוד, וגדלי המדגם של כל קבוצה שווים בערך. אם זה לא המקרה, מבחן Welch הוא אפשרות טובה יותר.
השוואות מרובות
כאשר אתה מפעיל ANOVA ב-SPSS, ערך F ורמת המובהקות המתקבלים רק אומרים לך אם לפחות קבוצה אחת בניתוח שלך שונה מאחת אחרת לפחות. זה לא אומר לך כמה קבוצות, או אילו קבוצות, שונות סטטיסטית. על מנת לקבוע זאת יש לבצע השוואות מעקב. לעתים נדירות זו בעיה בניתוחים קטנים, אך ככל שמספר הקבוצות הנכללות ב- מבחן מעקב, כך גדל הסיכוי לבצע שגיאה מסוג I, אשר מניחה השפעה היכן שיש אינו אחד.
