АНОВА је снажан тест, али неприкладан у неким ситуацијама.
Једносмерна анализа варијансе, или АНОВА, је статистичка метода која се користи за упоређивање средњих вредности више од два скупа података, да би се видело да ли се статистички разликују један од другог. СПСС, пакет статистичке анализе, дозвољава употребу једносмерне АНОВА у свом великом скупу процедура. Међутим, АНОВА није савршен тест и под одређеним околностима ће дати погрешне резултате.
Ограничења узорка
АНОВА тест претпоставља да су узорци коришћени у анализи „Једноставни случајни узорци“. То значи да се узорак појединаца (тачке података) узима из веће популације (већи скуп података). Узорци такође морају бити независни - то јест, не утичу једни на друге. АНОВА је генерално погодна за поређење средњих вредности у контролисаним студијама, али када узорци нису независни, мора се користити тест поновљених мерења.
Видео дана
Нормална расподела
АНОВА претпоставља да су подаци у групама нормално распоређени. Тест се и даље може спровести ако то није случај -- а ако је кршење ове претпоставке само умерено, тест је и даље прикладан. Међутим, ако су подаци далеко од нормалне дистрибуције, тест неће дати тачне резултате. Да бисте ово заобишли, или трансформишите податке помоћу функције СПСС „Цомпуте“ пре покретања анализе или користите алтернативни тест као што је Крускал-Воласов тест.
Једнаке стандардне девијације
Још једно ограничење АНОВА-е је то што претпоставља да групе имају исте или врло сличне стандардне девијације. Што је већа разлика у стандардним девијацијама између група, већа је шанса да је закључак теста нетачан. Као и претпоставка нормалне дистрибуције, ово није проблем све док се стандардне девијације не разликују много, а величине узорка сваке групе су отприлике једнаке. Ако то није случај, Велцх тест је боља опција.
Вишеструка поређења
Када покренете АНОВА-у у СПСС-у, резултујућа Ф вредност и ниво значаја само вам говоре да ли се бар једна група у вашој анализи разликује од најмање једне друге. Не говори вам колико група или које групе се статистички разликују. Да би се то утврдило, морају се извршити накнадна поређења. Ово ретко представља проблем у малим анализама, али што је већи број група укључених у накнадни тест, већа је шанса да се направи грешка типа И, која претпоставља ефекат тамо где постоји није један.
