Osnovni koncepti jednosmjerne ANOVA-e
Jednosmjerna ANOVA je statistička metoda koja se koristi za usporedbu srednjih vrijednosti iz više od dvije skupine. Mnogi ljudi su upoznati s t-testom za usporedbu dviju srednjih vrijednosti, ali kada je broj skupina veći od dvije, ponovljena upotreba t-testa zapravo povećava rizik donošenja pogrešnih odluka. Ovdje jednosmjerna ANOVA postaje važna: pruža precizniji i sustavniji način testiranja postoje li značajne razlike u srednjim vrijednostima između uspoređenih skupina na temelju jednog faktora (jedne kategoričke varijable).
1. Što je jednosmjerna ANOVA?
Izraz ANOVA dolazi od riječi Analysis of Variance (Analiza varijance). Unatoč nazivu "analiza varijance", njezina je primarna svrha testiranje razlika u srednjim vrijednostima. Osnovna intuicija ANOVA-e je sljedeća: ako su srednje vrijednosti grupa doista različite, tada će se varijacije između grupa činiti većim 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 tlak.
U gornjem primjeru, „metoda učenja“, „vrsta gnojiva“ i „vrsta lijeka“ su pojedinačni faktori koji imaju više razina (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 tlak).
2. Nezavisna varijabla je jedan kategorički faktor s najmanje tri skupine (k ≥ 3).
3. Istraživači žele znati postoji li barem jedna skupina čiji se prosjek razlikuje od ostalih.
Ako postoje samo dvije skupine, t-test je obično dovoljan. Međutim, ANOVA se i dalje može koristiti za dvije skupine i dat će zaključke ekvivalentne t-testu (pod određenim uvjetima).
3. Glavna ideja: Varijacije između grupa u odnosu na varijacije unutar grupe
ANOVA mjeri dva izvora varijacije:
– Varijacija unutar grupe: koliko se podaci razlikuju unutar svake grupe. Na primjer, iako grupa ima određeni prosjek, njezini pojedinci mogu biti prilično raštrkani od prosjeka.
– Varijacija između grupa: koliko se prosjek svake grupe razlikuje od drugih.
Ako je razlika između srednjih vrijednosti skupina velika, varijacija između skupina bit će velika. Ako su podaci unutar skupina vrlo raspršeni, varijacija unutar skupina bit će velika. ANOVA uspoređuje to dvoje pomoću omjera 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 skupna srednja vrijednost.
To jest, nisu svi \(\mu\) isti.
Važno je razumjeti da ANOVA samo govori postoji li razlika ili ne u cjelini. Ako su rezultati značajni, potrebno je daljnje testiranje kako bi se utvrdilo koji se parovi skupina razlikuju.
5. Statistika testa: F-omjer
Glavni testni statistički podatak u ANOVA-i je F:
\[
F = \frac{\text{Varijanca između grupa (MSB)}}{\text{Varijanca unutar grupe (MSW)}}
\]
Ovdje:
– MSB (Mean Square Between) = prosjek kvadrata između skupina, opisuje varijaciju između srednjih vrijednosti skupina.
– MSW (Mean Square Within) = prosjek kvadrata unutar grupe, opisuje varijaciju unutar grupe.
Logika:
– Ako su srednje vrijednosti svih skupina slične, MSB je mali pa 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 usporedbi s kritičnom vrijednošću F pri određenom stupnju slobode) odbacuje H0.
6. Komponente izračuna: SST, SSB i SSW
U ANOVA-i se ukupna varijacija podataka dijeli na dva dijela:
1. SST (Zbroj kvadrata ukupan): ukupni zbroj kvadrata, opisuje ukupnu varijaciju svih podataka u odnosu na ukupni prosjek.
2. SSB (zbroj kvadrata između): zbroj kvadrata između skupina, varijacija zbog razlika u srednjim vrijednostima skupina.
3. SSW (zbroj kvadrata unutar grupe): zbroj kvadrata unutar grupe, varijacija zbog individualnih razlika unutar grupe.
Osnovni odnos:
\[
SST = JSS + JSSW
\]
Zatim se svaki dijeli sa stupnjevima slobode kako bi se dobili MSB i MSW.
7. Stupnjevi slobode
Stupnjevi slobode (df) u jednosmjernoj ANOVA:
– df između grupa : \(k – 1\)
(k = broj grupa)
– df u grupi : \(N – k\)
(N = ukupno svih opažanja)
– df ukupno : \(N – 1\)
Stupnjevi slobode su važni jer određuju oblik F-distribucije koja se koristi za testiranje značajnosti.
8. Pretpostavke jednosmjerne ANOVA-e
Da bi rezultati ANOVA bili valjani, obično je potrebno nekoliko pretpostavki:
1. Neovisnost: podaci između subjekata/promatranja su neovisni (ne utječu jedni na druge).
2. Normalnost: podaci u svakoj skupini su normalno raspoređeni (ili su barem reziduali blizu normalnoj distribuciji).
3. Homogenost varijance (homoskedastičnost): varijanca između grupa je relativno ista.
U praksi, ANOVA je prilično "robusna" na kršenja normalnosti ako su veličine uzoraka dovoljno velike i uravnotežene. Međutim, kršenja homogenosti varijance mogu biti problematičnija, posebno kada su veličine uzoraka svake skupine nejednake. Testovi poput Leveneovog ili Bartlettovog često se koriste za provjeru pretpostavke o homogenosti varijance.
9. Interpretacija rezultata: p-vrijednost i odluka
Rezultati ANOVA obično se prikazuju u ANOVA tablici 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 skupina.
– Ako je p-vrijednost > α, tada se H0 ne može odbaciti: nema dovoljno dokaza da su srednje vrijednosti različite.
Međutim, „neuspjeh u odbacivanju H0“ ne znači da su sredstva doista ista; to jednostavno znači da podaci nisu dovoljno jaki da bi dokazali razliku.
10. Post Hoc test nakon ANOVA-e
Ako je ANOVA značajna, sljedeći korak je otkriti koje se skupine razlikuju. To se radi post hoc testom, na primjer:
– Tukey HSD (često se koristi za usporedbu svih parova).
– Bonferroni (konzervativniji).
– Scheffé (fleksibilan za različite kontraste).
– Games-Howell (prikladniji ako varijanca nije homogena).
Bez daljnjeg testiranja, znamo samo da „postoji razlika“, ali ne znamo gdje je razlika.
11. Veličina efekta
Osim značajnosti, važno je i navesti koliki utjecaj faktor ima na zavisnu varijablu. Uobičajene veličine učinaka u ANOVA-i su:
– Eta na kvadrat (\(\eta^2\)): udio ukupne varijacije objašnjen razlikama među skupinama.
– Omega na kvadrat (\(\omega^2\)): manje pristrana verzija, posebno u malim uzorcima.
Veličine učinaka pomažu u procjeni praktične relevantnosti, ne samo statističke značajnosti.
Zaključak
Jednosmjerna ANOVA je temeljni statistički alat za usporedbu srednjih vrijednosti više od dvije skupine na temelju jednog faktora. Osnovni koncept je usporedba varijacije između skupina s varijacijom unutar skupina pomoću F statistike. Njena upotreba zahtijeva pretpostavke neovisnosti, normalnosti i homogenosti varijance kako bi se osigurali pouzdani zaključci. Ako rezultati ANOVA-e pokažu značajne razlike, analiza se nastavlja post hoc testovima kako bi se identificirale različite skupine i izvijestile veličine učinaka kako bi se procijenila jačina utjecaja u praksi.
Ako želite, mogu dodati potpuni primjer slučaja (mali podaci), jednostavne korake ručnog izračuna ili primjer ANOVA rezultata iz SPSS/R/Excela zajedno s uputama za čitanje.
