Een one-way variantie-analyse, of ANOVA, is een statistische methode gebruikt om te vergelijken van de middelen van meer dan twee sets gegevens, om te zien of ze statistisch verschillend van elkaar zijn. SPSS, een statistische analyse pakket, maakt het gebruik van een one-way ANOVA in haar grote suite van procedures. Echter de ANOVA is niet een perfecte test en onder bepaalde omstandigheden misleidende resultaten zal opleveren.
Monster beperkingen
De ANOVA-test wordt ervan uitgegaan dat de monsters gebruikt bij de analyse "Eenvoudige aselecte steekproeven." Dit betekent dat een steekproef van individuen (gegevenspunten) zijn ontleend aan een grotere populatie (een grotere datapool). De monsters ook onafhankelijk moeten zijn - dat wil zeggen, ze hebben geen invloed op elkaar. ANOVA is over het algemeen geschikt voor het vergelijken van middelen in gecontroleerde studies, maar wanneer de monsters niet onafhankelijk zijn een herhaalde maatregelen test moet worden gebruikt.
Normale verdeling
ANOVA wordt ervan uitgegaan dat de gegevens in de groepen zijn normaal verdeeld. De test kan nog steeds worden uitgevoerd moet dit niet het geval-- en als de schending van deze veronderstelling slechts matig is, de test is nog steeds geschikt. Echter, als de gegevens een lange weg van de normale verdeling is, de test zal niet leveren nauwkeurige resultaten. Om rond dit, de gegevens met de SPSS "Berekenen" functie transformeren voordat u de analyse of gebruiken van een alternatieve test zoals een Kruskal-Wallace-test.
Gelijke standaarddeviaties
Een andere beperking van ANOVA is dat ervan wordt uitgegaan dat de fracties de dezelfde of zeer vergelijkbare, standaarddeviaties moeten. Hoe groter het verschil in standaarddeviaties tussen groepen, de meer kans dat de sluiting van de test onjuist is. Zoals de aanname van de normale verdeling is dit niet een probleem, zolang de standaarddeviaties niet enorm verschillend zijn, en de omvang van de steekproeven van elke groep min of meer gelijk zijn. Als dit niet het geval, is een Welch-test een betere optie.
Meerdere vergelijkingen
Wanneer u een ANOVA in SPSS uitvoert, de resulterende F-waarde en significantieniveau alleen vertellen u of ten minste één groep in uw analyse van ten minste één andere verschilt. Het niet vertellen u hoeveel groepen, of welke groepen, verschillen statistisch. Om te bepalen dit, moeten follow-up vergelijkingen worden uitgevoerd. Dit is zelden een probleem in kleine analyses, maar hoe hoger het aantal groepen opgenomen in de follow-up test, hoe groter de kans op het maken van een Type ik fout, die is uitgaande van een effect waar er niet één.