ANOVA는 강력한 테스트이지만 일부 상황에서는 부적절합니다.
일원 분산 분석(ANOVA)은 두 개 이상의 데이터 집합의 평균을 비교하여 통계적으로 서로 다른지 확인하는 데 사용되는 통계적 방법입니다. 통계 분석 패키지인 SPSS를 사용하면 대규모 절차 제품군에서 일원 분산 분석을 사용할 수 있습니다. 그러나 ANOVA는 완벽한 테스트가 아니며 특정 상황에서는 잘못된 결과를 제공합니다.
샘플 제한 사항
ANOVA 테스트는 분석에 사용된 샘플이 "단순 무작위 샘플"이라고 가정합니다. 즉, 개인 샘플(데이터 포인트)이 더 큰 모집단(더 큰 데이터 풀)에서 추출됩니다. 샘플은 또한 독립적이어야 합니다. 즉, 서로 영향을 주지 않아야 합니다. ANOVA는 일반적으로 대조 연구에서 평균을 비교하는 데 적합하지만 표본이 독립적이지 않은 경우 반복 측정 테스트를 사용해야 합니다.
오늘의 비디오
정규 분포
ANOVA는 그룹의 데이터가 정규 분포를 따른다고 가정합니다. 그렇지 않은 경우에도 테스트를 수행할 수 있으며 이 가정을 위반하는 정도가 중간 정도인 경우 테스트는 여전히 적합합니다. 그러나 데이터가 정규 분포에서 멀리 떨어져 있는 경우 검정은 정확한 결과를 제공하지 않습니다. 이 문제를 해결하려면 분석을 실행하기 전에 SPSS "계산" 기능으로 데이터를 변환하거나 Kruskal-Wallace 테스트와 같은 대체 테스트를 사용하십시오.
등표준편차
ANOVA의 또 다른 한계는 그룹이 동일하거나 매우 유사한 표준 편차를 갖는다고 가정한다는 것입니다. 그룹 간의 표준 편차 차이가 클수록 검정의 결론이 부정확할 가능성이 커집니다. 정규 분포 가정과 마찬가지로 표준 편차가 크게 다르지 않고 각 그룹의 표본 크기가 거의 같으면 문제가 되지 않습니다. 그렇지 않은 경우 Welch 테스트가 더 나은 옵션입니다.
다중 비교
SPSS에서 ANOVA를 실행할 때 결과 F 값과 유의 수준은 분석에 있는 하나 이상의 그룹이 다른 그룹과 다른지 여부만 알려줍니다. 얼마나 많은 그룹이나 어떤 그룹이 통계적으로 다른지는 알려주지 않습니다. 이를 확인하려면 후속 비교를 수행해야 합니다. 이는 소규모 분석에서는 거의 문제가 되지 않지만, 분석에 포함되는 그룹의 수가 많을수록 후속 테스트가 있을수록 제1종 오류가 발생할 가능성이 높아집니다. 하나가 아닙니다.
