Sissejuhatus dispersioonanalüüsi
Dispersioonanalüüs (ANOVA) on põhiline statistiline meetod, mida kasutatakse rühmade keskmiste erinevuste mõistmiseks. See meetod on väga kasulik erinevates valdkondades, nagu psühholoogia, sotsioloogia, bioloogia, majandus ja paljud teised. Selles artiklis selgitame ANOVA põhimõisteid, selle tüüpe, aluseks olevaid eeldusi, rakendamisetappe ja rakenduse näiteid.
Dispersioonanalüüsi mõistmine
ANOVA on meetod, mida kasutatakse kahe või enama rühma keskmiste olulise erinevuse testimiseks. Selle meetodi võttis kasutusele Sir Ronald Fisher 20. sajandi alguses. Põhimõtteliselt võrdleb ANOVA rühmadevahelist varieeruvust rühmadesisese varieeruvusega, et teha kindlaks, kas rühmadevaheliste keskmiste erinevus on suurem kui juhusliku valimi puhul oodatav.
ANOVA tüübid
ANOVA-d on mitut tüüpi, mida tavaliselt kasutatakse, nimelt:
1. Ühesuunaline ANOVA:
Seda analüüsi kasutatakse siis, kui meil on üks tegur või sõltumatu muutuja ja tahame testida kahe või enama rühma keskmist erinevust selle muutuja põhjal.
2. Kahesuunaline ANOVA:
Kasutatakse siis, kui meil on kaks tegurit või sõltumatut muutujat ja tahame testida mõlema samaaegselt mõju sõltuvale muutujale.
3. Korduvate mõõtmiste ANOVA:
Seda analüüsi kasutatakse siis, kui sama subjekti mõõdetakse erinevatel aegadel või erinevates tingimustes.
4. ANCOVA (kovariatsioonianalüüs):
See on ANOVA ja regressiooni kombinatsioon, mida kasutatakse segavate muutujate (komuutujate) kontrollimiseks.
ANOVA eeldused
Enne ANOVA rakendamist on tulemuste kehtivuse tagamiseks vaja täita mitmeid eeldusi:
1. Normaalsus: Eeldatakse, et iga rühma andmed on normaaljaotusega.
2. Homoskedastilisus: andmete dispersioon rühmade vahel peab olema homogeenne ehk ühtlane.
3. Sõltumatus: Andmetes olevad vaatlused peavad olema üksteisest sõltumatud.
Kui mõni neist eeldustest ei ole täidetud, võivad ANOVA tulemused olla kallutatud, mistõttu võib olla vajalik eelkatsete ja alternatiivsete meetodite kasutamine.
ANOVA rakendamise sammud
1. Hüpoteesi sõnastamine
Hüpoteesi formuleering koosneb nullhüpoteesist (H0), mis väidab, et rühmade vahel ei ole keskmises erinevust, ja alternatiivhüpoteesist (H1), mis väidab, et on vähemalt üks rühmade paar, millel on erinevad keskmised.
Hüpoteesi näide:
– H0 : µ1 = µ2 = µ3 (rühmade vahel ei ole keskmises erinevust)
– H1: Vähemalt üks paari rühmi on erineva keskmisega
2. Rühmadevahelise ja rühmadesisese varieeruvuse arvutamine
Dispersioonanalüüs hõlmab kahte tüüpi varieeruvust:
– Rühmadevaheline varieeruvus: mõõdab rühmade keskmiste erinevust.
– Rühmasisene varieeruvus: mõõdab rühma enda varieeruvust.
3. F-väärtuse arvutamine
F-väärtus on keskmise ruutkeskmise vahel (MSB) ja keskmise ruutkeskmise sees (MSW) suhe:
\[ F = \frac{MSB}{MSW} \]
Kus:
\[MSB = \frac{SSB}{dfB} \]
\[MSW = \frac{SSW}{dfW} \]
SSB ja SSW on rühmadevaheliste ja rühmade sees olevate ruutude summa, samas kui dfB ja dfW on rühmadevahelised ja rühmade sees olevad vabadusastmed.
4. Võrdle kriitilise väärtusega
Saadud F-väärtust võrreldakse seejärel F-jaotuse tabeli kriitilise F-väärtusega teatud olulisuse tasemega (nt 0,05). Kui F-väärtus on kriitilisest väärtusest suurem, siis on see ligikaudne hinnang, et on olemas vähemalt üks erinev rühma keskmine.
5. Post-hoc test
Kui ANOVA tulemused näitavad olulisi erinevusi, on järgmine samm post-hoc testi läbiviimine, et teha kindlaks, millised rühmapaarid erinevad. Mõned sageli kasutatavad post-hoc testid on Tukey, Scheffé ja Bonferroni.
ANOVA rakenduse näide
Oletame, et tahame testida kolme erineva õpetamismeetodi efektiivsust õpilaste õppeedukuse seisukohalt. Selles uuringus on sõltumatuks muutujaks õpetamismeetod (A, B ja C) ja sõltuvaks muutujaks õpilaste testide tulemused.
1. samm: hüpoteesi sõnastamine
– H0: Õpetamismeetodite A, B ja C keskmiste testitulemuste vahel ei ole erinevust.
– H1: Vähemalt ühe õpetamismeetodite paari keskmistes testitulemustes on erinevus.
2. samm: andmete kogumine
Oletame, et oleme kogunud testide tulemusi õpilastelt, keda on õpetatud meetodite A, B ja C abil.
3. samm: varieeruvuse arvutamine
Arvutage saadud andmete põhjal SSB, SSW, MSB ja MSW.
4. samm: F-väärtuste arvutamine ja võrdlemine
Arvuta F-väärtus ja võrdle seda kriitilise väärtusega.
5. samm: Post-hoc test
Kui F-väärtus näitab olulist erinevust, tehke järeltest, et teha kindlaks, milline õpetamismeetod on oluliselt erinev.
Järeldus
Dispersioonanalüüs on võimas tööriist rühmadevaheliste oluliste erinevuste hindamiseks. ANOVA mõistmine ja õige rakendamine nõuab põhjalikku arusaamist eeldustest ja sammudest. See võimaldab põhjalikumat uurimistööd ja tulemuste suuremat kehtivust.
Erinevate ANOVA tüüpide mõistmise abil saavad teadlased valida meetodi, mis sobib kõige paremini nende eksperimentaalse ülesehituse ja andmetega. Nad mõistavad ANOVA aluseks olevaid eeldusi ja teevad enne järelduste tegemist vajalikke kontrolle, et saadud tulemused oleksid usaldusväärsed ja teadusringkondade poolt aktsepteeritud.
