? En enveis variansanalyse , eller ANOVA er en statistisk metode som brukes for å sammenligne hjelp av mer enn to sett med data , for å se om de er statistisk forskjellige fra hverandre . SPSS, en statistisk analyse pakke , tillater bruk av en enveis ANOVA i det store tilbud av prosedyrer. Imidlertid er ikke en perfekt ANOVA test og under visse omstendigheter vil gi feilaktig resultat . Sample Begrensninger

ANOVA test forutsetter at prøvene brukes i analysen er " Enkle stikkprøver . " Dette betyr at en prøve av individer ( datapunkter ) er hentet fra en større populasjon ( større data bassenget). Prøvene må også være uavhengig - det vil si at de ikke påvirker hverandre . ANOVA er generelt egnet for å sammenlikne midler i kontrollerte studier , men når prøvene er ikke uavhengige en gjentatt tiltak test må brukes .
Normal Distribution

ANOVA forutsetter at data i gruppene er normalfordelt. Testen kan fortsatt utføres skal dette ikke være tilfelle - og dersom brudd på denne forutsetningen er bare moderat , er testen fortsatt egnet. Men hvis dataene er langt fra normalfordelingen , vil testen ikke gir nøyaktige resultater . For å komme rundt dette , enten transformere dataene med SPSS " Compute "-funksjonen før du kjører analyse, eller bruke en alternativ test som en Kruskal - Wallace test .

Like standardavvik

en annen begrensning av ANOVA er at det forutsetter at gruppene har samme , eller svært lignende , standardavvik . Jo større forskjellen i standardavvik mellom grupper , jo større sjanse for at konklusjonen av testen er unøyaktig . I likhet med normal distribusjon antakelsen, er dette ikke et problem så lenge standardavvikene er ikke enormt forskjellige , og utvalgsstørrelsene av hver gruppe er omtrent like store . Hvis dette ikke er tilfelle , er en Welch test et bedre alternativ .
Flere Sammenligninger

Når du kjører en ANOVA i SPSS , den resulterende F verdi og signifikansnivå bare forteller deg om minst en gruppe i analysen er forskjellig fra minst en annen . Det ikke fortelle deg hvor mange grupper , eller hvilke grupper , skiller statistisk. For å avgjøre dette må følges opp med sammenligninger gjøres . Dette er sjelden et problem i små analyser , men jo høyere antall grupper inngår i oppfølgingen test , jo større er sjansen for å gjøre en type I feil , som er forutsatt en effekt der det ikke finnes noen.