Jednoczynnikowa analiza wariancji (ANOVA) to metoda statystyczna stosowana do testowania znacz\u0105cych r\u00f3\u017cnic mi\u0119dzy \u015brednimi grup danych. Jest ona powszechnie stosowana w badaniach eksperymentalnych w celu por\u00f3wnania wp\u0142ywu r\u00f3\u017cnych metod leczenia lub interwencji na okre\u015blony wynik.<\/p>\n\n\n\n
Podstawow\u0105 ide\u0105 ANOVA jest podzielenie ca\u0142kowitej zmienno\u015bci danych na dwa sk\u0142adniki: zmienno\u015b\u0107 mi\u0119dzy grupami (ze wzgl\u0119du na leczenie) i zmienno\u015b\u0107 w ka\u017cdej grupie (ze wzgl\u0119du na zmienno\u015b\u0107 losow\u0105 i r\u00f3\u017cnice indywidualne). Test ANOVA oblicza statystyk\u0119 F, kt\u00f3ra jest stosunkiem zmienno\u015bci mi\u0119dzygrupowej do zmienno\u015bci wewn\u0105trzgrupowej.<\/p>\n\n\n\n
Je\u015bli statystyka F jest wystarczaj\u0105co du\u017ca, a powi\u0105zana warto\u015b\u0107 p jest poni\u017cej z g\u00f3ry okre\u015blonego poziomu istotno\u015bci (np. 0,05), oznacza to, \u017ce istniej\u0105 mocne dowody sugeruj\u0105ce, \u017ce co najmniej jedna ze \u015brednich grup r\u00f3\u017cni si\u0119 znacz\u0105co od pozosta\u0142ych. W takim przypadku mo\u017cna zastosowa\u0107 dalsze testy post hoc w celu okre\u015blenia, kt\u00f3re konkretne grupy r\u00f3\u017cni\u0105 si\u0119 od siebie. Wi\u0119cej informacji na temat test\u00f3w post hoc mo\u017cna znale\u017a\u0107 w naszym materiale \"Analiza post hoc: Proces i rodzaje test\u00f3w<\/a>“.<\/p>\n\n\n\n Jednoczynnikowa analiza wariancji zak\u0142ada, \u017ce dane maj\u0105 rozk\u0142ad normalny, a wariancje grup s\u0105 r\u00f3wne. Je\u015bli te za\u0142o\u017cenia nie s\u0105 spe\u0142nione, zamiast tego mo\u017cna zastosowa\u0107 alternatywne testy nieparametryczne.<\/p>\n\n\n\n Jednoczynnikowa analiza wariancji (ANOVA) to test statystyczny stosowany do okre\u015blenia, czy istniej\u0105 znacz\u0105ce r\u00f3\u017cnice mi\u0119dzy \u015brednimi dw\u00f3ch lub wi\u0119cej niezale\u017cnych grup. S\u0142u\u017cy do testowania hipotezy zerowej, \u017ce \u015brednie wszystkich grup s\u0105 r\u00f3wne w stosunku do hipotezy alternatywnej, \u017ce co najmniej jedna \u015brednia r\u00f3\u017cni si\u0119 od pozosta\u0142ych.<\/p>\n\n\n\n ANOVA ma kilka za\u0142o\u017ce\u0144, kt\u00f3re musz\u0105 by\u0107 spe\u0142nione, aby wyniki by\u0142y prawid\u0142owe i wiarygodne. Za\u0142o\u017cenia te s\u0105 nast\u0119puj\u0105ce:<\/p>\n\n\n\n Wa\u017cne jest, aby sprawdzi\u0107 te za\u0142o\u017cenia przed wykonaniem ANOVA, poniewa\u017c ich naruszenie mo\u017ce prowadzi\u0107 do niedok\u0142adnych wynik\u00f3w i nieprawid\u0142owych wniosk\u00f3w. Je\u015bli jedno lub wi\u0119cej za\u0142o\u017ce\u0144 zostanie naruszonych, istniej\u0105 alternatywne testy, takie jak testy nieparametryczne, kt\u00f3re mo\u017cna zastosowa\u0107 zamiast tego.<\/p>\n\n\n\n Aby wykona\u0107 jednokierunkow\u0105 analiz\u0119 ANOVA, mo\u017cna wykona\u0107 nast\u0119puj\u0105ce kroki:<\/p>\n\n\n\n Krok 1:<\/strong> Okre\u015blenie hipotez<\/p>\n\n\n\n Zdefiniuj hipotez\u0119 zerow\u0105 i hipotez\u0119 alternatywn\u0105. Hipoteza zerowa m\u00f3wi, \u017ce nie ma znacz\u0105cych r\u00f3\u017cnic mi\u0119dzy \u015brednimi grup. Hipoteza alternatywna m\u00f3wi, \u017ce przynajmniej jedna \u015brednia grupy r\u00f3\u017cni si\u0119 znacz\u0105co od pozosta\u0142ych.<\/p>\n\n\n\n Krok 2:<\/strong> Zbieranie danych<\/p>\n\n\n\n Zbierz dane z ka\u017cdej grupy, kt\u00f3r\u0105 chcesz por\u00f3wna\u0107. Ka\u017cda grupa powinna by\u0107 niezale\u017cna i mie\u0107 podobn\u0105 wielko\u015b\u0107 pr\u00f3by.<\/p>\n\n\n\n Krok 3:<\/strong> Oblicz \u015bredni\u0105 i wariancj\u0119 dla ka\u017cdej grupy<\/p>\n\n\n\n Oblicz \u015bredni\u0105 i wariancj\u0119 dla ka\u017cdej grupy na podstawie zebranych danych.<\/p>\n\n\n\n Krok 4:<\/strong> Oblicz og\u00f3ln\u0105 \u015bredni\u0105 i wariancj\u0119<\/p>\n\n\n\n Oblicz og\u00f3ln\u0105 \u015bredni\u0105 i wariancj\u0119, bior\u0105c \u015bredni\u0105 ze \u015brednich i wariancji ka\u017cdej grupy.<\/p>\n\n\n\n Krok 5:<\/strong> Oblicz sum\u0119 kwadrat\u00f3w mi\u0119dzy grupami (SSB)<\/p>\n\n\n\n Oblicz sum\u0119 kwadrat\u00f3w mi\u0119dzy grupami (SSB) za pomoc\u0105 wzoru:<\/p>\n\n\n\n SSB = \u03a3ni (x\u0304i - x\u0304)^2<\/p>\n\n\n\n gdzie ni to wielko\u015b\u0107 pr\u00f3by i-tej grupy, x\u0304i to \u015brednia i-tej grupy, a x\u0304 to \u015brednia og\u00f3lna.<\/p>\n\n\n\n Krok 6:<\/strong> Obliczenie sumy kwadrat\u00f3w w grupach (SSW)<\/p>\n\n\n\n Oblicz sum\u0119 kwadrat\u00f3w wewn\u0105trz grup (SSW), korzystaj\u0105c ze wzoru:<\/p>\n\n\n\n SSW = \u03a3\u03a3(xi - x\u0304i)^2<\/p>\n\n\n\n gdzie xi jest i-t\u0105 obserwacj\u0105 w j-tej grupie, x\u0304i jest \u015bredni\u0105 j-tej grupy, a j waha si\u0119 od 1 do k grup.<\/p>\n\n\n\n Krok 7: <\/strong>Oblicz statystyk\u0119 F<\/p>\n\n\n\n Oblicz statystyk\u0119 F, dziel\u0105c wariancj\u0119 mi\u0119dzygrupow\u0105 (SSB) przez wariancj\u0119 wewn\u0105trzgrupow\u0105 (SSW):<\/p>\n\n\n\n F = (SSB \/ (k - 1)) \/ (SSW \/ (n - k))<\/p>\n\n\n\n gdzie k to liczba grup, a n to ca\u0142kowita wielko\u015b\u0107 pr\u00f3by.<\/p>\n\n\n\n Krok 8:<\/strong> Okre\u015bli\u0107 warto\u015b\u0107 krytyczn\u0105 F i warto\u015b\u0107 p<\/p>\n\n\n\n Okre\u015bl warto\u015b\u0107 krytyczn\u0105 F i odpowiadaj\u0105c\u0105 jej warto\u015b\u0107 p na podstawie po\u017c\u0105danego poziomu istotno\u015bci i stopni swobody.<\/p>\n\n\n\n Krok 9:<\/strong> Por\u00f3wnaj obliczon\u0105 statystyk\u0119 F z warto\u015bci\u0105 krytyczn\u0105 F<\/p>\n\n\n\n Je\u015bli obliczona statystyka F jest wi\u0119ksza ni\u017c warto\u015b\u0107 krytyczna F, nale\u017cy odrzuci\u0107 hipotez\u0119 zerow\u0105 i stwierdzi\u0107, \u017ce istnieje istotna r\u00f3\u017cnica mi\u0119dzy \u015brednimi co najmniej dw\u00f3ch grup. Je\u015bli obliczona statystyka F jest mniejsza lub r\u00f3wna warto\u015bci krytycznej F, nie nale\u017cy odrzuca\u0107 hipotezy zerowej i stwierdzi\u0107, \u017ce nie ma istotnej r\u00f3\u017cnicy mi\u0119dzy \u015brednimi grup.<\/p>\n\n\n\n Krok 10:<\/strong> analiza post hoc (w razie potrzeby)<\/p>\n\n\n\n Je\u015bli hipoteza zerowa zostanie odrzucona, przeprowad\u017a analiz\u0119 post hoc, aby okre\u015bli\u0107, kt\u00f3re grupy znacz\u0105co r\u00f3\u017cni\u0105 si\u0119 od siebie. Typowe testy post hoc obejmuj\u0105 test HSD Tukeya, korekt\u0119 Bonferroniego i test Scheffe.<\/p>\n\n\n\n Po przeprowadzeniu jednokierunkowej analizy ANOVA wyniki mo\u017cna zinterpretowa\u0107 w nast\u0119puj\u0105cy spos\u00f3b:<\/p>\n\n\n\n Statystyka F i warto\u015b\u0107 p: <\/strong>Statystyka F mierzy stosunek wariancji mi\u0119dzygrupowej do wariancji wewn\u0105trzgrupowej. Warto\u015b\u0107 p wskazuje prawdopodobie\u0144stwo uzyskania statystyki F tak skrajnej jak ta obserwowana, je\u015bli hipoteza zerowa jest prawdziwa. Ma\u0142a warto\u015b\u0107 p (mniejsza ni\u017c wybrany poziom istotno\u015bci, zwykle 0,05) sugeruje mocne dowody przeciwko hipotezie zerowej, wskazuj\u0105c, \u017ce istnieje znacz\u0105ca r\u00f3\u017cnica mi\u0119dzy \u015brednimi co najmniej dw\u00f3ch grup.<\/p>\n\n\n\n Stopnie swobody: <\/strong>Stopnie swobody dla czynnik\u00f3w mi\u0119dzygrupowych i wewn\u0105trzgrupowych wynosz\u0105 odpowiednio k-1 i N-k, gdzie k to liczba grup, a N to ca\u0142kowita wielko\u015b\u0107 pr\u00f3by.<\/p>\n\n\n\n B\u0142\u0105d \u015bredniokwadratowy:<\/strong> <\/em>B\u0142\u0105d \u015bredniokwadratowy (MSE) to stosunek sumy kwadrat\u00f3w w grupie do stopni swobody w grupie. Reprezentuje on szacowan\u0105 wariancj\u0119 w ka\u017cdej grupie po uwzgl\u0119dnieniu r\u00f3\u017cnic mi\u0119dzy grupami.<\/p>\n\n\n\n Wielko\u015b\u0107 efektu:<\/strong> Wielko\u015b\u0107 efektu mo\u017cna zmierzy\u0107 za pomoc\u0105 eta-kwadratu (\u03b7\u00b2), kt\u00f3ry reprezentuje cz\u0119\u015b\u0107 ca\u0142kowitej zmienno\u015bci zmiennej zale\u017cnej, kt\u00f3ra jest uwzgl\u0119dniona przez r\u00f3\u017cnice grupowe. Typowe interpretacje warto\u015bci eta-kwadrat to:<\/p>\n\n\n\n Ma\u0142y efekt: \u03b7\u00b2 < 0,01<\/p>\n\n\n\n \u015aredni efekt: 0,01 \u2264 \u03b7\u00b2 < 0,06<\/p>\n\n\n\n Du\u017cy efekt: \u03b7\u00b2 \u2265 0,06<\/p>\n\n\n\n Analiza post hoc:<\/strong><\/a> Je\u015bli hipoteza zerowa zostanie odrzucona, mo\u017cna przeprowadzi\u0107 analiz\u0119 post hoc, aby okre\u015bli\u0107, kt\u00f3re grupy znacz\u0105co r\u00f3\u017cni\u0105 si\u0119 od siebie. Mo\u017cna to zrobi\u0107 za pomoc\u0105 r\u00f3\u017cnych test\u00f3w, takich jak test HSD Tukeya, korekta Bonferroniego lub test Scheffe.<\/p>\n\n\n\n Wyniki nale\u017cy interpretowa\u0107 w kontek\u015bcie pytania badawczego i za\u0142o\u017ce\u0144 analizy. Je\u015bli za\u0142o\u017cenia nie s\u0105 spe\u0142nione lub wynik\u00f3w nie da si\u0119 zinterpretowa\u0107, konieczne mog\u0105 by\u0107 alternatywne testy lub modyfikacje analizy.<\/p>\n\n\n\n W statystyce jednokierunkowa ANOVA jest technik\u0105 stosowan\u0105 do por\u00f3wnywania \u015brednich trzech lub wi\u0119cej grup. Po przeprowadzeniu testu ANOVA i odrzuceniu hipotezy zerowej, co oznacza, \u017ce istniej\u0105 istotne dowody sugeruj\u0105ce, \u017ce co najmniej jedna \u015brednia grupy r\u00f3\u017cni si\u0119 od pozosta\u0142ych, mo\u017cna przeprowadzi\u0107 test post hoc w celu okre\u015blenia, kt\u00f3re grupy r\u00f3\u017cni\u0105 si\u0119 od siebie znacz\u0105co.<\/p>\n\n\n\n Testy post hoc s\u0142u\u017c\u0105 do okre\u015blenia konkretnych r\u00f3\u017cnic mi\u0119dzy \u015brednimi grup. Niekt\u00f3re popularne testy post hoc obejmuj\u0105 uczciwie istotn\u0105 r\u00f3\u017cnic\u0119 (HSD) Tukeya, korekt\u0119 Bonferroniego, metod\u0119 Scheffe i test Dunnetta. Ka\u017cdy z tych test\u00f3w ma swoje w\u0142asne za\u0142o\u017cenia, zalety i ograniczenia, a wyb\u00f3r testu zale\u017cy od konkretnego pytania badawczego i charakterystyki danych.<\/p>\n\n\n\n Og\u00f3lnie rzecz bior\u0105c, testy post hoc s\u0105 przydatne w dostarczaniu bardziej szczeg\u00f3\u0142owych informacji na temat konkretnych r\u00f3\u017cnic grupowych w jednokierunkowej analizie ANOVA. Wa\u017cne jest jednak, aby u\u017cywa\u0107 tych test\u00f3w z ostro\u017cno\u015bci\u0105 i interpretowa\u0107 wyniki w kontek\u015bcie pytania badawczego i specyficznych cech danych.<\/p>\n\n\n\n![\"\"](\"https:\/\/mindthegraph.com\/blog\/wp-content\/uploads\/2024\/08\/Banner3-1024x410.png\")
<\/a><\/figure>\n\n\n\nJak wykorzystywana jest jednoczynnikowa analiza wariancji?<\/strong><\/h2>\n\n\n\n
Za\u0142o\u017cenia ANOVA<\/strong><\/h2>\n\n\n\n
\n
Przeprowadzenie jednokierunkowej analizy ANOVA<\/strong><\/h2>\n\n\n\n
Interpretacja wynik\u00f3w<\/strong><\/h2>\n\n\n\n
Testy post hoc<\/strong><\/h2>\n\n\n\n
![\"\"](\"https:\/\/mindthegraph.com\/blog\/wp-content\/uploads\/2023\/02\/banner-blog-trial-04.jpg\")
<\/a><\/figure><\/div>\n\n\n