ANOVA je robustný test, ale v niektorých situáciách nevhodný.
Jednosmerná ANalýza VAriance alebo ANOVA je štatistická metóda používaná na porovnanie priemerov viac ako dvoch súborov údajov, aby sa zistilo, či sa navzájom štatisticky líšia. SPSS, balík štatistických analýz, umožňuje použitie jednosmernej ANOVA vo svojom veľkom súbore procedúr. ANOVA však nie je dokonalý test a za určitých okolností poskytne zavádzajúce výsledky.
Obmedzenia vzorky
Test ANOVA predpokladá, že vzorky použité pri analýze sú „jednoduché náhodné vzorky“. To znamená, že vzorka jednotlivcov (dátové body) sa odoberie z väčšej populácie (väčší súbor údajov). Vzorky musia byť tiež nezávislé -- to znamená, že sa navzájom neovplyvňujú. ANOVA je vo všeobecnosti vhodná na porovnávanie priemerov v kontrolovaných štúdiách, ale ak vzorky nie sú nezávislé, musí sa použiť test s opakovanými meraniami.
Video dňa
Normálna distribúcia
ANOVA predpokladá, že údaje v skupinách sú normálne rozdelené. Test je možné vykonať aj vtedy, ak tomu tak nie je – a ak je porušenie tohto predpokladu len mierne, test je stále vhodný. Ak sú však údaje ďaleko od normálneho rozdelenia, test neposkytne presné výsledky. Aby ste to obišli, pred spustením analýzy buď transformujte údaje pomocou funkcie SPSS "Compute", alebo použite alternatívny test, ako je Kruskal-Wallace test.
Rovnaké štandardné odchýlky
Ďalším obmedzením ANOVA je, že predpokladá, že skupiny majú rovnaké alebo veľmi podobné štandardné odchýlky. Čím väčší je rozdiel v štandardných odchýlkach medzi skupinami, tým väčšia je pravdepodobnosť, že záver testu bude nepresný. Rovnako ako predpoklad normálneho rozdelenia to nie je problém, pokiaľ štandardné odchýlky nie sú výrazne odlišné a veľkosť vzoriek každej skupiny je približne rovnaká. Ak tomu tak nie je, lepšou voľbou je Welchov test.
Viacnásobné porovnania
Keď spustíte ANOVA v SPSS, výsledná hodnota F a hladina významnosti vám len povedia, či sa aspoň jedna skupina vo vašej analýze líši od aspoň jednej inej. Nehovorí vám, koľko skupín alebo ktoré skupiny sa štatisticky líšia. Aby sa to zistilo, musia sa vykonať následné porovnania. V malých analýzach je to zriedkavo problém, ale čím vyšší je počet skupín zahrnutých do analýzy následnom teste, tým väčšia je šanca urobiť chybu typu I, ktorá predpokladá vplyv tam, kde existuje nie je jeden.
