Conceptes bàsics de l'ANOVA unidireccional
L'ANOVA unidireccional és un mètode estadístic que s'utilitza per comparar mitjanes de més de dos grups. Molta gent està familiaritzada amb la prova t per comparar dues mitjanes, però quan el nombre de grups és superior a dos, l'ús repetit de la prova t augmenta el risc de prendre decisions incorrectes. Aquí és on l'ANOVA unidireccional esdevé important: proporciona una manera més precisa i sistemàtica de comprovar si hi ha diferències significatives en les mitjanes entre els grups comparats en funció d'un sol factor (una sola variable categòrica).
1. Què és l'ANOVA unidireccional?
El terme ANOVA prové d'Anàlisi de la Variància. Malgrat el seu nom, "anàlisi de la variància", el seu propòsit principal és provar les diferències en les mitjanes. La intuïció bàsica de l'ANOVA és aquesta: si les mitjanes dels grups són realment diferents, la variació entre grups semblarà més gran que la variació dins dels grups.
S'anomena "unidireccional" perquè només hi ha un factor o una variable independent categòrica que s'utilitza per formar els grups. Per exemple:
– Mètodes d'estudi (autònoms, en grup, en línia) sobre les notes dels exàmens.
– Tipus de fertilitzant (A, B, C, D) sobre el rendiment de la collita.
– Tipus de fàrmac (fàrmac 1, fàrmac 2, placebo) sobre la pressió arterial.
En l'exemple anterior, el "mètode d'aprenentatge", el "tipus de fertilitzant" i el "tipus de fàrmac" són factors únics que tenen diversos nivells (categories).
2. Quan s'utilitza l'ANOVA unidireccional?
L'ANOVA unidireccional s'utilitza generalment quan:
1. La variable dependent té forma numèrica/quantitativa (exemples: valor, pes, temps, pressió arterial).
2. La variable independent és un factor categòric amb un mínim de tres grups (k ≥ 3).
3. Els investigadors volen saber si hi ha almenys un grup la mitjana del qual és diferent dels altres.
Si només hi ha dos grups, una prova t sol ser suficient. Tanmateix, l'ANOVA encara es pot utilitzar per a dos grups i produirà conclusions equivalents a una prova t (sota certes condicions).
3. Idea principal: Variació entre grups vs. dins del grup
L'ANOVA mesura dues fonts de variació:
– Variació dins del grup: quant varien les dades dins de cada grup. Per exemple, tot i que un grup té una determinada mitjana, els seus individus poden estar força allunyats de la mitjana.
– Variació entre grups: quant difereix la mitjana de cada grup respecte a l'altre.
Si la diferència entre les mitjanes dels grups és gran, la variació entre grups serà gran. Si les dades dins dels grups estan molt disperses, la variació dins dels grups serà gran. L'ANOVA compara els dos utilitzant una ràtio anomenada estadística F.
4. Hipòtesi en ANOVA
En l'ANOVA unidireccional, la hipòtesi es formula de la següent manera:
– H0 (hipòtesi nul·la): totes les mitjanes de la població del grup són iguals.
\[
\mu_1 = \mu_2 = \mu_3 = \dots = \mu_k
\]
– H1 (hipòtesi alternativa): hi ha com a mínim una mitjana de grup diferent.
És a dir, no tots els \(\mu\) són iguals.
És important entendre que l'ANOVA només indica si hi ha una diferència o no en general. Si els resultats són significatius, calen més proves per determinar quins parells de grups difereixen.
5. Estadístiques de prova: Ràtio F
L'estadístic de prova principal en ANOVA és F:
\[
F = \frac{\text{Variància entre grups (MSB)}}{\text{Variància dins del grup (MSW)}}
\]
Aquí:
– MSB (Mean Square Between) = la mitjana dels quadrats entre grups, descriu la variació entre les mitjanes dels grups.
– MSW (Mean Square Within) = mitjana dels quadrats dins d'un grup, descriu la variació dins d'un grup.
La lògica:
– Si les mitjanes de tots els grups són similars, el MSB és petit, de manera que F s'acosta a 1.
– Si hi ha una diferència clara en les mitjanes, el MSB augmenta de manera que F esdevé més gran que 1.
– Un valor de F prou gran (en comparació amb el valor crític de F a un cert grau de llibertat) ens fa rebutjar H0.
6. Components de càlcul: SST, SSB i SSW
En l'ANOVA, la variació total de les dades es divideix en dues parts:
1. SST (Suma de quadrats total): la suma total de quadrats descriu la variació total de totes les dades respecte a la mitjana general.
2. SSB (Suma de Quadrats Entre): la suma de quadrats entre grups, variació deguda a les diferències en les mitjanes dels grups.
3. SSW (Suma de Quadrats Dins): la suma de quadrats dins d'un grup, variació deguda a les diferències individuals dins del grup.
La relació bàsica:
\[
SST = SSB + SSW
\]
Aleshores, cadascun es divideix pels graus de llibertat per produir el MSB i el MSW.
7. Graus de llibertat
Graus de llibertat (gl) en ANOVA unidireccional:
– dl entre grups: \(k – 1\)
(k = nombre de grups)
– dl en el grup: \(N – k\)
(N = total de totes les observacions)
– total de df: \(N – 1\)
Els graus de llibertat són importants perquè determinen la forma de la distribució F utilitzada per provar la significació.
8. Supòsits d'ANOVA unidireccional
Perquè els resultats de l'ANOVA siguin vàlids, normalment es requereixen diverses suposicions:
1. Independència: les dades entre subjectes/observacions són independents (no s'influeixen mútuament).
2. Normalitat: les dades de cada grup tenen una distribució normal (o si més no, els residuals són propers a la normalitat).
3. Homogeneïtat de la variància (homoscedasticitat): la variància entre grups és relativament la mateixa.
A la pràctica, l'ANOVA és força "robusta" a les violacions de la normalitat si les mides de la mostra són prou grans i equilibrades. Tanmateix, les violacions de l'homogeneïtat de la variància poden ser més problemàtiques, sobretot quan les mides de la mostra de cada grup són desiguals. Sovint s'utilitzen proves com la de Levene o la de Bartlett per verificar la suposició d'homogeneïtat de la variància.
9. Interpretació dels resultats: valor p i decisió
Els resultats de l'ANOVA es presenten normalment en una taula ANOVA que conté SSB, SSW, df, MSB, MSW, valor F i valor p.
– Si el valor p ≤ α (per exemple, α = 0,05), aleshores rebutgeu H0: hi ha una diferència significativa en la mitjana entre els grups.
– Si el valor p > α, aleshores no es rebutja H0: no hi ha proves suficients que les mitjanes siguin diferents.
Tanmateix, "no rebutjar H0" no vol dir que les mitjanes siguin realment les mateixes; simplement significa que les dades no són prou sòlides per demostrar una diferència.
10. Prova post hoc després de l'ANOVA
Si l'ANOVA és significativa, el següent pas és esbrinar quins grups difereixen. Això es fa amb una prova post hoc, per exemple:
– Tukey HSD (sovint s'utilitza per a la comparació de tots els parells).
– Bonferroni (més conservador).
– Scheffé (flexible per a diversos contrastos).
– Games-Howell (més adequat si la variància no és homogènia).
Sense més proves, només sabem que "hi ha una diferència", però no sabem on rau la diferència.
11. Mida de l'efecte
A més de la significació, també és important indicar quanta influència té un factor sobre la variable dependent. Les mides d'efecte comunes en ANOVA són:
– Eta al quadrat (\(\eta^2\)): la proporció de la variació total explicada per les diferències de grup.
– Omega al quadrat (\(\omega^2\)): una versió menys esbiaixada, especialment en mostres petites.
Les mides d'efecte ajuden a avaluar la rellevància pràctica, no només la significació estadística.
Conclusió
L'ANOVA unidireccional és una eina estadística fonamental per comparar les mitjanes de més de dos grups basant-se en un sol factor. El concepte bàsic és comparar la variació entre grups amb la variació dins dels grups mitjançant l'estadística F. El seu ús requereix els supòsits d'independència, normalitat i homogeneïtat de la variància per garantir conclusions fiables. Si els resultats de l'ANOVA mostren diferències significatives, l'anàlisi continua amb proves post hoc per identificar grups diferents i informar de les mides de l'efecte per avaluar la força de la influència a la pràctica.
Si vols, puc afegir un exemple de cas complet (dades petites), passos senzills de càlcul manual o un exemple de sortida ANOVA de SPSS/R/Excel juntament amb com llegir-la.
