? En envägs variansanalys , eller ANOVA , är en statistisk metod som används för att jämföra de medel för mer än två uppsättningar av data , för att se om de är statistiskt skilt från varandra . SPSS , en statistisk analys paket , tillåter användning av en envägs ANOVA i sin stora svit av förfarandena . Dock är ANOVA inte en perfekt test och under vissa omständigheter kommer att ge missvisande resultat . Sample Begränsningar
ANOVA testet förutsätter att de prover som används i analysen är " Simple stickprov . " Detta innebär att ett urval av individer ( datapunkter ) tas från en större population ( större uppgifter pool). Proverna ska även vara oberoende - det är de inte påverkar varandra . ANOVA är vanligtvis lämpliga att jämföra medel i kontrollerade studier , men när proverna inte är oberoende en upprepad åtgärder prov måste användas .
Normal Distribution
ANOVA förutsätter att information i grupperna är normalfördelade . Testet kan fortfarande utföras bör detta inte vara fallet - och om brott mot detta antagande är endast måttlig , är testet ändå är lämpliga . Men om uppgifterna är långt från den normala fördelningen , kommer testet ger inte korrekta resultat . För att komma runt detta , antingen omvandla data med SPSS " Compute " -funktionen innan analysen , eller använda ett alternativt test som en Kruskal - Wallace testet .
Lika standardavvikelser
annan begränsning av ANOVA är att den förutsätter att grupperna har samma eller mycket likartade , standardavvikelser . Ju större skillnaden i standardavvikelser mellan grupper , desto större chans att slutsatsen av testet är felaktig . Liksom normalfördelning antagande , är detta inte ett problem så länge de standardavvikelser inte skiljer sig dramatiskt , och urvalsstorleken i varje grupp är ungefär lika . Om så inte är fallet , är en Welch testa ett bättre alternativ .
Multipla jämförelser
När du kör en ANOVA i SPSS , den resulterande F-värde och signifikansnivå bara berätta om minst en grupp i din analys skiljer sig från åtminstone en annan . Den berättar inte hur många grupper , eller vilka grupper skiljer sig statistiskt . För att avgöra detta måste uppföljande jämförelser göras . Detta är sällan ett problem i små analyser , men ju högre antalet grupper som ingår i den uppföljande test , desto större chans att göra ett typ I fel , som antar en effekt där det inte finns någon .
Addera ditt
