Kakšne so omejitve ANOVA v SPSS?

Enosmerna analiza variance ali ANOVA je statistična metoda, ki se uporablja za primerjavo srednjih vrednosti več kot dveh nizov podatkov, da bi ugotovili, ali se med seboj statistično razlikujejo. SPSS, paket za statistično analizo, omogoča uporabo enosmerne ANOVE v svojem velikem naboru postopkov. Vendar pa ANOVA ni popoln test in bo v določenih okoliščinah zagotovil zavajajoče rezultate.

Omejitve vzorcev

Test ANOVA predpostavlja, da so vzorci, uporabljeni v analizi, »preprosti naključni vzorci«. To pomeni, da se vzorec posameznikov (podatkovne točke) vzame iz večje populacije (večja zbirka podatkov). Vzorci morajo biti tudi neodvisni - to pomeni, da ne vplivajo drug na drugega. ANOVA je na splošno primerna za primerjavo povprečij v kontroliranih študijah, če pa vzorci niso neodvisni, je treba uporabiti test ponovljenih meritev.

Normalna porazdelitev

ANOVA predpostavlja, da so podatki v skupinah normalno porazdeljeni. Test je še vedno mogoče izvesti, če temu ni tako - in če je kršitev te predpostavke le zmerna, je test še vedno primeren. Če pa so podatki daleč od normalne porazdelitve, test ne bo dal natančnih rezultatov. Če se želite temu izogniti, bodisi preoblikujte podatke s funkcijo SPSS "Compute", preden zaženete analizo, bodisi uporabite alternativni test, kot je Kruskal-Wallaceov test.

Enaki standardni odkloni

Druga omejitev ANOVE je, da predpostavlja, da imajo skupine enake ali zelo podobne standardne deviacije. Večja kot je razlika v standardnih odstopanjih med skupinami, večja je možnost, da je zaključek testa netočen. Tako kot predpostavka o normalni porazdelitvi tudi to ni problem, dokler se standardna odstopanja ne razlikujejo močno in so velikosti vzorcev vsake skupine približno enake. Če temu ni tako, je boljša možnost Welchov test.

Več primerjav

Ko zaženete ANOVA v SPSS, vam posledična vrednost F in stopnja pomembnosti povesta samo, ali se vsaj ena skupina v vaši analizi razlikuje od vsaj ene druge. Ne pove vam, koliko skupin ali katere skupine se statistično razlikujejo. Da bi to ugotovili, je treba opraviti nadaljnje primerjave. To je redko težava pri majhnih analizah, a večje kot je število skupin, vključenih v nadaljnji test, večja je možnost, da pride do napake tipa I, ki predvideva učinek, kjer ga ni.