Koja su ograničenja ANOVA-e u SPSS-u?
Jednosmjerna analiza varijance ili ANOVA je statistička metoda koja se koristi za usporedbu srednjih vrijednosti više od dva skupa podataka, kako bi se vidjelo razlikuju li se statistički jedan od drugoga. SPSS, paket za statističku analizu, omogućuje korištenje jednosmjerne ANOVA-e u svom velikom skupu postupaka. Međutim, ANOVA nije savršen test i pod određenim će okolnostima dati pogrešne rezultate.
Ograničenja uzorka
ANOVA test pretpostavlja da su uzorci korišteni u analizi "Jednostavni nasumični uzorci". To znači da se uzorak pojedinaca (podatkovne točke) uzima iz veće populacije (veća zbirka podataka). Uzorci također moraju biti neovisni -- to jest, ne utječu jedni na druge. ANOVA je općenito prikladna za usporedbu srednjih vrijednosti u kontroliranim studijama, ali kada uzorci nisu neovisni, mora se koristiti test ponovljenih mjerenja.
Normalna distribucija
ANOVA pretpostavlja da su podaci u grupama normalno raspoređeni. Test se ipak može provesti ako to nije slučaj -- i ako je kršenje ove pretpostavke samo umjereno, test je još uvijek prikladan. Međutim, ako su podaci daleko od normalne distribucije, test neće dati točne rezultate. Da biste to izbjegli, transformirajte podatke pomoću SPSS "Compute" funkcije prije pokretanja analize ili upotrijebite alternativni test kao što je Kruskal-Wallaceov test.
Jednake standardne devijacije
Još jedno ograničenje ANOVA-e je to što pretpostavlja da skupine imaju iste ili vrlo slične standardne devijacije. Što je veća razlika u standardnim odstupanjima između skupina, veća je vjerojatnost da je zaključak testa netočan. Kao i pretpostavka normalne distribucije, ovo nije problem sve dok standardna odstupanja nisu jako različita, a veličine uzorka svake skupine su približno jednake. Ako to nije slučaj, Welchov test je bolja opcija.
Višestruke usporedbe
Kada pokrenete ANOVA u SPSS-u, rezultirajuća F vrijednost i razina značajnosti samo vam govore da li se barem jedna grupa u vašoj analizi razlikuje od barem jedne druge. Ne govori vam koliko se grupa ili koje grupe statistički razlikuju. Kako bi se to utvrdilo, moraju se izvršiti naknadne usporedbe. Ovo je rijetko problem u malim analizama, ali što je veći broj grupa uključenih u naknadni test, to je veća šansa da se napravi pogreška tipa I, što je pretpostavka učinka tamo gdje ga nema.