Osnovni koncepti jednosmjerne ANOVA
Jednosmjerna ANOVA je statistička metoda koja se koristi za poređenje srednjih vrijednosti iz više od dvije grupe. Mnogi ljudi su upoznati s t-testom za poređenje dvije srednje vrijednosti, ali kada je broj grupa veći od dvije, ponovljena upotreba t-testa zapravo povećava rizik od donošenja pogrešnih odluka. Ovdje jednosmjerna ANOVA postaje važna: ona pruža precizniji i sistematičniji način testiranja da li postoje značajne razlike u srednjim vrijednostima između grupa koje se porede na osnovu jednog faktora (jedne kategoričke varijable).
1. Šta je jednosmjerna ANOVA?
Termin ANOVA potiče od Analysis of Variance (Analiza varijanse). Uprkos svom nazivu "analiza varijanse", njena primarna svrha je testiranje razlika u srednjim vrijednostima. Osnovna intuicija ANOVA-e je sljedeća: ako su srednje vrijednosti grupa zaista različite, onda će varijacije između grupa izgledati veće od varijacija unutar grupa.
Naziva se "jednosmjernim" jer postoji samo jedan faktor ili jedna kategorička nezavisna varijabla koja se koristi za formiranje grupa. Na primjer:
– Metode učenja (samostalno, grupno, online) o rezultatima ispita.
– Vrsta gnojiva (A, B, C, D) na prinos žetve.
– Vrsta lijeka (lijek 1, lijek 2, placebo) na krvni pritisak.
U gornjem primjeru, „metoda učenja“, „vrsta gnojiva“ i „vrsta lijeka“ su pojedinačni faktori koji imaju više nivoa (kategorija).
2. Kada se koristi jednosmjerna ANOVA?
Jednosmjerna ANOVA se obično koristi kada:
1. Zavisna varijabla je u numeričkom/kvantitativnom obliku (primjeri: vrijednost, težina, vrijeme, krvni pritisak).
2. Nezavisna varijabla je jedan kategorički faktor s najmanje tri grupe (k ≥ 3).
3. Istraživači žele znati postoji li barem jedna grupa čiji se prosjek razlikuje od ostalih.
Ako postoje samo dvije grupe, t-test je obično dovoljan. Međutim, ANOVA se i dalje može koristiti za dvije grupe i dat će zaključke ekvivalentne t-testu (pod određenim uslovima).
3. Glavna ideja: Varijacije između grupa naspram varijacija unutar grupe
ANOVA mjeri dva izvora varijacije:
– Varijacija unutar grupe: koliko se podaci razlikuju unutar svake grupe. Na primjer, iako grupa ima određeni prosjek, njeni pojedinci mogu biti prilično raštrkani od prosjeka.
– Varijacija između grupa: koliko se prosjek svake grupe razlikuje od drugih.
Ako je razlika između grupnih prosjeka velika, varijacija između grupa će biti velika. Ako su podaci unutar grupa vrlo raspršeni, varijacija unutar grupa će biti velika. ANOVA upoređuje ta dva koristeći omjer koji se naziva F statistika.
4. Hipoteza u ANOVA-i
U jednosmjernoj ANOVA-i, hipoteza se formulira na sljedeći način:
– H0 (nulta hipoteza): sve srednje vrijednosti grupne populacije su iste.
\[
\mu_1 = \mu_2 = \mu_3 = \dots = \mu_k
\]
– H1 (alternativna hipoteza): postoji barem jedna različita grupna srednja vrijednost.
To jest, nisu svi \(\mu\) isti.
Važno je shvatiti da ANOVA samo govori da li postoji razlika ili ne u cjelini. Ako su rezultati značajni, potrebno je daljnje testiranje kako bi se utvrdilo koji se parovi grupa razlikuju.
5. Statistika testa: F-omjer
Glavni testni statistički podatak u ANOVA analizi je F:
\[
F = \frac{\text{Varijansa između grupa (MSB)}}{\text{Varijansa unutar grupe (MSW)}}
\]
Ovdje:
– MSB (Mean Square Between) = prosjek kvadrata između grupa, opisuje varijaciju između grupnih prosjeka.
– MSW (Mean Square Within) = prosjek kvadrata unutar grupe, opisuje varijaciju unutar grupe.
Logika:
– Ako su srednje vrijednosti svih grupa slične, MSB je mali, tako da je F blizu 1.
– Ako postoji jasna razlika u srednjim vrijednostima, MSB se povećava tako da F postaje veći od 1.
– Dovoljno velika vrijednost F (u poređenju sa kritičnom vrijednošću F pri određenom stepenu slobode) nas navodi da odbacimo H0.
6. Komponente proračuna: SST, SSB i SSW
U ANOVA analizi, ukupna varijacija podataka se dijeli na dva dijela:
1. SST (Sum of Squares Total): ukupna suma kvadrata, opisuje ukupnu varijaciju svih podataka u odnosu na ukupni prosjek.
2. SSB (Sum of Squares Between): zbir kvadrata između grupa, varijacija zbog razlika u grupnim prosjekima.
3. SSW (Sum of Squares Within): zbir kvadrata unutar grupe, varijacija zbog individualnih razlika unutar grupe.
Osnovni odnos:
\[
SST = JSS + JSSW
\]
Zatim se svaki dijeli sa stepenima slobode da bi se dobili MSB i MSW.
7. Stepeni slobode
Stepeni slobode (df) u jednosmjernoj ANOVA:
– df između grupa : \(k – 1\)
(k = broj grupa)
– df u grupi : \(N – k\)
(N = ukupno svih zapažanja)
– df ukupno: \(N – 1\)
Stepeni slobode su važni jer određuju oblik F-distribucije koja se koristi za testiranje značajnosti.
8. Pretpostavke jednosmjerne ANOVA
Da bi rezultati ANOVA bili validni, obično je potrebno nekoliko pretpostavki:
1. Nezavisnost: podaci između subjekata/posmatranja su nezavisni (ne utiču jedni na druge).
2. Normalnost: podaci u svakoj grupi su normalno distribuirani (ili su barem reziduali blizu normalnoj distribuciji).
3. Homogenost varijanse (homoskedastičnost): varijanca između grupa je relativno ista.
U praksi, ANOVA je prilično "robustna" na kršenja normalnosti ako su veličine uzorka dovoljno velike i uravnotežene. Međutim, kršenja homogenosti varijanse mogu biti problematičnija, posebno kada su veličine uzorka svake grupe nejednake. Testovi poput Leveneovog ili Bartlettovog često se koriste za provjeru pretpostavke o homogenosti varijanse.
9. Interpretacija rezultata: p-vrijednost i odluka
Rezultati ANOVA analize se obično prikazuju u ANOVA tabeli koja sadrži SSB, SSW, df, MSB, MSW, F vrijednost i p-vrijednost.
– Ako je p-vrijednost ≤ α (npr. α = 0,05), tada se H0 odbacuje: postoji značajna razlika u prosjeku između grupa.
– Ako je p-vrijednost > α, onda se H0 ne može odbaciti: nema dovoljno dokaza da su srednje vrijednosti različite.
Međutim, „neuspjeh u odbacivanju H0“ ne znači da su sredstva zaista ista; to jednostavno znači da podaci nisu dovoljno jaki da dokažu razliku.
10. Post Hoc test nakon ANOVA
Ako je ANOVA značajna, sljedeći korak je utvrditi koje se grupe razlikuju. To se radi post hoc testom, na primjer:
– Tukey HSD (često se koristi za poređenje svih parova).
– Bonferroni (konzervativniji).
– Scheffé (fleksibilan za različite kontraste).
– Games-Howell (pogodniji ako varijansa nije homogena).
Bez daljnjeg testiranja, znamo samo da „postoji razlika“, ali ne znamo gdje ta razlika leži.
11. Veličina efekta
Pored značajnosti, važno je i navesti koliki utjecaj faktor ima na zavisnu varijablu. Uobičajene veličine efekata u ANOVA-i su:
– Eta na kvadrat (\(\eta^2\)): udio ukupne varijacije objašnjen grupnim razlikama.
– Omega na kvadrat (\(\omega^2\)): manje pristrasna verzija, posebno u malim uzorcima.
Veličine efekata pomažu u procjeni praktične relevantnosti, ne samo statističke značajnosti.
Zaključak
Jednosmjerna ANOVA je fundamentalni statistički alat za poređenje srednjih vrijednosti više od dvije grupe na osnovu jednog faktora. Osnovni koncept je poređenje varijacija između grupa sa varijacijama unutar grupa korištenjem F statistike. Njena upotreba zahtijeva pretpostavke o nezavisnosti, normalnosti i homogenosti varijanse kako bi se osigurali pouzdani zaključci. Ako rezultati ANOVA pokažu značajne razlike, analiza se nastavlja post hoc testovima kako bi se identificirale različite grupe i prijavile veličine efekata kako bi se procijenila jačina utjecaja u praksi.
Ako želite, mogu dodati kompletan primjer slučaja (mali podaci), jednostavne korake ručnog izračuna ili primjer ANOVA rezultata iz SPSS/R/Excela, zajedno s uputama za čitanje.
