Jak obliczyć test ANOVA? Przewodnik krok po kroku

Test ANOVA służy do porównywania średnich w więcej niż dwóch grupach. Aby go obliczyć, najpierw sprawdź założenia, wybierz wariant analizy, odczytaj statystykę F i wartość p, a po istotnym wyniku wykonaj test post-hoc. Sama ANOVA pokazuje bowiem, że różnica istnieje, ale nie wskazuje, między którymi grupami.

Czym jest ANOVA i kiedy ją stosować?

ANOVA, czyli analiza wariancji, pozwala sprawdzić, czy średnie wartości zmiennej zależnej różnią się między co najmniej trzema grupami. Możesz na przykład porównać wyniki egzaminu studentów o różnym poziomie stresu, skuteczność kilku terapii albo średnią wartość pomiaru w różnych warunkach eksperymentalnych.

Hipoteza zerowa zakłada, że średnie wszystkich grup są równe. Statystyka F porównuje zmienność między grupami ze zmiennością wewnątrz grup. Im większa jest pierwsza z nich w stosunku do drugiej, tym silniejsze są przesłanki, że różnice między średnimi nie wynikają wyłącznie z przypadku.

ANOVA jest testem omnibusowym. Istotny wynik mówi, że co najmniej jedna średnia różni się od pozostałych, lecz nie wskazuje konkretnej pary grup. Do tego służą testy post-hoc.

Jakie założenia trzeba sprawdzić?

Przed obliczeniem testu przeprowadź kontrolę danych. Najważniejsze założenia obejmują:

• Niezależność obserwacji – wynik jednej osoby lub jednostki nie powinien wpływać na wynik innej. To założenie wynika głównie ze sposobu zaplanowania badania.
• Normalność rozkładu – rozkład zmiennej zależnej w grupach, a w bardziej złożonych modelach rozkład reszt, powinien być w przybliżeniu normalny. Możesz użyć testu Shapiro–Wilka oraz wykresów diagnostycznych.
• Homogeniczność wariancji – zmienność wyników w porównywanych grupach powinna być podobna. Sprawdza się ją między innymi testem Levene’a.
• Skala zmiennej zależnej – wynik powinien być ilościowy, zwykle mierzony na skali interwałowej lub ilorazowej.

Istotny test Levene’a sugeruje, że wariancje nie są jednorodne. W takiej sytuacji przy niezależnych grupach można rozważyć test Welcha i dopasowany test post-hoc, na przykład Gamesa-Howella. Gdy naruszenia są poważne, szczególnie przy małych próbach, alternatywą dla jednoczynnikowej ANOVA jest nieparametryczny test Kruskala-Wallisa. Przy zależnych grupach jego odpowiednikiem jest test Friedmana.

Jaki rodzaj ANOVA wybrać?

Dwuczynnikowa ANOVA pozwala ocenić trzy efekty: wpływ pierwszego czynnika, wpływ drugiego czynnika oraz interakcję między nimi. Interakcja występuje wtedy, gdy działanie jednego czynnika zależy od poziomu drugiego.

Jak obliczyć test ANOVA krok po kroku?

W praktyce większość osób korzysta z programu statystycznego lub kalkulatora, zamiast liczyć wszystkie sumy kwadratów ręcznie. Ważne jest jednak rozumienie kolejności decyzji:

1. Sformułuj hipotezy – hipoteza zerowa zakłada równość średnich, a alternatywna dopuszcza różnicę między co najmniej jedną parą średnich.
2. Przygotuj dane – określ zmienną zależną, czynnik lub czynniki grupujące, liczebność grup, braki danych i potencjalne obserwacje odstające.
3. Sprawdź założenia – oceń niezależność obserwacji, normalność rozkładu oraz homogeniczność wariancji. Jeśli dane są zależne, wybierz analizę z powtarzanymi pomiarami.
4. Oblicz statystykę F – jest ona ilorazem średniego kwadratu zmienności między grupami i średniego kwadratu zmienności wewnątrz grup. Program poda także stopnie swobody dla obu składników.
5. Odczytaj wartość p – przy przyjętym poziomie istotności, na przykład α = 0,05, wynik p mniejszy od α oznacza odrzucenie hipotezy zerowej.
6. Wykonaj test post-hoc – zrób to wtedy, gdy wynik ANOVA jest istotny i chcesz ustalić, które grupy różnią się między sobą.
7. Uzupełnij interpretację – podaj średnie, odchylenia standardowe, statystykę F, stopnie swobody, wartość p oraz miarę siły efektu, na przykład eta-kwadrat.

Przykładowa interpretacja wyniku F(2, 27) = 5,23, p = 0,010 brzmi: wystąpiły istotne statystycznie różnice między średnimi co najmniej części grup. Nie należy jednak pisać, że wszystkie grupy różnią się od siebie, dopóki nie sprawdzisz porównań post-hoc.

Eta-kwadrat, oznaczany jako η², informuje, jaka część całkowitej zmienności wyniku jest związana z badanym czynnikiem. Wartość tej miary należy interpretować w kontekście dziedziny, liczebności próby i projektu badania, a nie wyłącznie według sztywnych progów.

W narzędziu takim jak numiqo dane zwykle układa się tak, aby każdy wiersz oznaczał jedną obserwację, a kolumny zawierały zmienną zależną i czynniki. Po wskazaniu zmiennych program dobiera wariant analizy i prezentuje między innymi statystykę F, test Levene’a oraz wyniki porównań.

Dlaczego potrzebne są testy post-hoc?

ANOVA odpowiada na pytanie ogólne: czy średnie wszystkich grup można uznać za równe? Nie odpowiada natomiast, czy różnica dotyczy grupy pierwszej i drugiej, pierwszej i trzeciej, czy wszystkich porównań. Wykonywanie wielu niezależnych testów t zwiększałoby ryzyko błędu pierwszego rodzaju, dlatego stosuje się procedury wielokrotnych porównań.

Dobór testu zależy przede wszystkim od równości wariancji:

• Tukey HSD – często stosowany do porównania wszystkich par grup przy spełnionej homogeniczności wariancji.
• Bonferroni – bardziej konserwatywna procedura, która ogranicza ryzyko fałszywie istotnych wyników przy wielu porównaniach.
• Games-Howell – przydatny, gdy wariancje są nierówne i zastosowano wariant odporny, taki jak ANOVA Welcha.
• Scheffé – elastyczna, lecz zwykle mniej czuła procedura, użyteczna przy szerszym zakresie porównań.

Jeśli wynik omnibusowy nie jest istotny, standardowe porównania post-hoc zazwyczaj nie są potrzebne. Najpierw opisz wtedy statystyki grupowe i wynik ANOVA, zamiast szukać istotności w pojedynczych parach.

Jak raportować wynik ANOVA?

W raporcie podaj, jakie grupy lub czynniki analizowano, oraz przedstaw wynik testu wraz z miarą efektu. Typowy zapis APA może wyglądać tak: F(2, 70) = 72,33, p < 0,001, η² = 0,67.

Pełniejszy opis może brzmieć: „Jednoczynnikowa analiza wariancji wykazała istotne różnice między grupami, F(2, 27) = 5,23, p = 0,010, η² = 0,28. Test Tukeya wskazał istotną różnicę między grupą A i B, natomiast porównanie grup A i C nie osiągnęło istotności”. Do takiego zapisu warto dodać średnie i odchylenia standardowe dla każdej grupy.

Najważniejsza zasada jest prosta: najpierw oceń jakość danych i założenia, następnie wybierz właściwy wariant ANOVA, zinterpretuj F oraz p, a po istotnym wyniku sprawdź konkretne różnice testem post-hoc.