Een een-weg variantie-analyse of ANOVA , is een statistische methode wordt gebruikt om de middelen van meer dan twee sets van de gegevens te vergelijken , om te zien of ze zijn statistisch significant verschillend van elkaar . SPSS , een statistisch pakket analyse , maakt het gebruik van een one -way ANOVA in zijn grote suite van procedures . Echter , de ANOVA is geen perfecte test en onder bepaalde omstandigheden zal misleidende resultaten geven . Monster Beperkingen De ANOVA -test gaat ervan uit dat de monsters die in de analyse zijn " Simple steekproeven . " Dit betekent dat een steekproef van individuen ( datapunten ) zijn afkomstig uit een grotere populatie ( een grotere data pool ) . De monsters moeten ook onafhankelijk - dat is , hebben ze geen invloed hebben op elkaar . ANOVA is over het algemeen geschikt voor het vergelijken van middelen in gecontroleerde studies , maar wanneer de monsters zijn niet onafhankelijk van een test met herhaalde metingen moet worden gebruikt . Normale verdeling ANOVA gaat ervan uit dat de gegevens in de groepen normaal verdeeld zijn . De test kan nog steeds worden uitgevoerd, dient dit niet het geval zijn - en als de schending van deze veronderstelling is slechts matig , de test is nog steeds geschikt . Echter , als de gegevens is een lange weg van de normale verdeling , de test zal geen nauwkeurige resultaten . Om dit te omzeilen , ofwel de gegevens te transformeren met de functie SPSS " Compute " voor het uitvoeren van de analyse , of het gebruik van een alternatieve test , zoals een Kruskal - Wallace -test . Gelijke StandaardAfwijkingen < Br> andere beperking van ANOVA is dat het veronderstelt dat de groepen dezelfde of vrijwel dezelfde , standaarddeviaties . Hoe groter het verschil in standaarddeviaties tussen groepen , hoe groter de kans dat de conclusie van de test is onnauwkeurig . Zoals de normale verdeling aanname , is dit geen probleem zolang de standaardafwijkingen niet enorm verschillend en de steekproefomvang van elke groep ongeveer gelijk . Indien dit niet het geval is , een Welch test is een betere optie . Meerdere Vergelijkingen Wanneer u een ANOVA in SPSS , de resulterende F-waarde en betekenis niveau uitvoeren alleen u vertellen of ten minste een groep in uw analyse verschilt van ten minste een andere . Het maakt je niet vertellen hoeveel groepen , of die groepen , verschillen statistisch . Om dit te bepalen , moet follow - up vergelijkingen worden uitgevoerd . Dit is zelden een probleem in kleine analyses , maar hoe hoger het aantal groepen in de follow - up test, hoe groter de kans om een Type I fout , die uitgaande van een effect waar er geen een .
|