מושגים בסיסיים של ANOVA חד-כיוונית
שיטת ANOVA חד-כיוונית היא שיטה סטטיסטית המשמשת להשוואת ממוצעים מיותר משתי קבוצות. אנשים רבים מכירים את מבחן ה-t להשוואת שני ממוצעים, אך כאשר מספר הקבוצות גדול משתיים, שימוש חוזר במבחן ה-t דווקא מגביר את הסיכון לקבלת החלטות שגויות. כאן הופכת חשיבותה של שיטת ANOVA חד-כיוונית: היא מספקת דרך מדויקת וסיסטמטית יותר לבחון האם ישנם הבדלים משמעותיים בממוצעים בין קבוצות בהשוואה על סמך גורם יחיד (משתנה קטגורי יחיד).
1. מהי ANOVA חד-כיוונית?
מקור המונח ANOVA ב-Analysis of Variance (ניתוח שונות). למרות שמו, "ניתוח שונות", מטרתו העיקרית היא לבחון הבדלים בממוצעים. האינטואיציה הבסיסית של ANOVA היא זו: אם ממוצעי הקבוצות אכן שונים, אז השונות בין הקבוצות תיראה גדולה יותר מהשונות בתוך הקבוצות.
זה נקרא "חד-כיווני" מכיוון שיש רק גורם אחד או משתנה בלתי תלוי קטגורי אחד המשמש ליצירת הקבוצות. לדוגמה:
– שיטות לימוד (עצמאיות, קבוצתיות, מקוונות) על סמך ציוני בחינות.
– סוג הדשן (A, B, C, D) על יבול הקציר.
– סוג התרופה (תרופה 1, תרופה 2, פלצבו) על לחץ דם.
בדוגמה לעיל, "שיטת למידה", "סוג דשן" ו"סוג תרופה" הם גורמים בודדים בעלי מספר רמות (קטגוריות).
2. מתי משתמשים ב-ANOVA חד-כיווני?
ANOVA חד-כיווני משמש בדרך כלל כאשר:
1. המשתנה התלוי הוא בצורה מספרית/כמותית (דוגמאות: ערך, משקל, זמן, לחץ דם).
2. המשתנה הבלתי תלוי הוא גורם קטגורי אחד עם מינימום של שלוש קבוצות (k ≥ 3).
3. חוקרים רוצים לדעת האם יש לפחות קבוצה אחת שהממוצע שלה שונה מהאחרות.
אם יש רק שתי קבוצות, מבחן t בדרך כלל מספיק. עם זאת, עדיין ניתן להשתמש ב-ANOVA עבור שתי קבוצות ויניב מסקנות שוות ערך למבחן t (בתנאים מסוימים).
3. רעיון מרכזי: שונות בין קבוצות לעומת שונות בתוך קבוצות
ANOVA מודד שני מקורות שונות:
– שונות בתוך קבוצה: עד כמה הנתונים משתנים בתוך כל קבוצה. לדוגמה, למרות שלקבוצה יש ממוצע מסוים, הפרטים בה עשויים להיות מפוזרים למדי מהממוצע.
– שונות בין קבוצות: עד כמה הממוצע של כל קבוצה שונה זו מזו.
אם ההפרש בין ממוצעי הקבוצות גדול, השונות בין הקבוצות תהיה גדולה. אם הנתונים בתוך הקבוצות מפוזרים מאוד, השונות בתוך הקבוצות תהיה גדולה. ניתוח ANOVA משווה בין השניים באמצעות יחס הנקרא סטטיסטיקת F.
4. השערה ב-ANOVA
ב-ANOVA חד-כיווני, ההשערה מנוסחת כך:
– H0 (השערת אפס): כל ממוצעי האוכלוסייה של הקבוצות זהים.
\[
\mu_1 = \mu_2 = \mu_3 = \dots = \mu_k
\]
– H1 (השערה חלופית): יש לפחות ממוצע קבוצתי אחד שונה.
כלומר, לא כולם \(\mu\) זהים.
חשוב להבין ש-ANOVA רק אומרת אם יש הבדל כולל או לא. אם התוצאות מובהקות, יש צורך בבדיקות נוספות כדי לקבוע אילו זוגות של קבוצות נבדלים זה מזה.
5. סטטיסטיקות בדיקה: יחס F
נתון המבחן העיקרי ב-ANOVA הוא F:
\[
F = \frac{\text{שונות בין-קבוצות (MSB)}}{\text{שונות בתוך קבוצות (MSW)}}
\]
כָּאן:
– MSB (ממוצע ריבועי בין) = ממוצע הריבועים בין הקבוצות, מתאר את השונות בין ממוצעי הקבוצות.
– MSW (ממוצע ריבועי בתוך קבוצה) = ממוצע הריבועים בתוך קבוצה, מתאר את השונות בתוך קבוצה.
ההיגיון:
– אם הממוצעים של כל הקבוצות דומים, ה-MSB קטן ולכן F קרוב ל-1.
– אם יש הבדל ברור בממוצעים, ה-MSB עולה כך ש-F גדול מ-1.
– ערך F גדול מספיק (בהשוואה לערך F הקריטי בדרגת חופש מסוימת) גורם לנו לדחות את H0.
6. רכיבי חישוב: SST, SSB ו-SSW
ב-ANOVA, השונות הכוללת של הנתונים מחולקת לשני חלקים:
1. SST (סכום הריבועים הכולל): סכום הריבועים הכולל, מתאר את השונות הכוללת של כל הנתונים לעומת הממוצע הכללי.
2. SSB (סכום ריבועים בין קבוצות): סכום הריבועים בין קבוצות, שונות עקב הבדלים בממוצעים של הקבוצות.
3. SSW (סכום ריבועים בתוך): סכום הריבועים בתוך קבוצה, שונות עקב הבדלים אינדיבידואליים בתוך הקבוצה.
הקשר הבסיסי:
\[
SST = SSB + SSW
\]
לאחר מכן כל אחד מחולק בדרגות החופש כדי לייצר את ה-MSB וה-MSW.
7. דרגות חופש
דרגות חופש (df) ב-ANOVA חד-כיוונית:
– df בין קבוצות: \(k – 1\)
(k = מספר הקבוצות)
– df בקבוצה: \(N – k\)
(N = סך כל התצפיות)
– df סך הכל: \(N – 1\)
דרגות חופש חשובות משום שהן קובעות את צורת התפלגות F המשמשת לבדיקת מובהקות.
8. הנחות של ANOVA חד-כיוונית
כדי שתוצאות ANOVA יהיו תקפות, נדרשות בדרך כלל מספר הנחות:
1. אי-תלות: נתונים בין נבדקים/תצפיות הם בלתי תלויים (אינם משפיעים זה על זה).
2. נורמליות: הנתונים בכל קבוצה מתפלגים נורמלית (או לפחות השאריות קרובות לנורמליות).
3. הומוגניות השונות (הומוסקדסטיות): השונות בין הקבוצות זהה יחסית.
בפועל, ANOVA די "עמיד" בפני הפרות של נורמליות אם גודל המדגם גדול ומאוזן מספיק. עם זאת, הפרות של הומוגניות השונות יכולות להיות בעייתיות יותר, במיוחד כאשר גודל המדגם של כל קבוצה אינו שוויוני. מבחנים כמו של Levene או Bartlett משמשים לעתים קרובות כדי לאמת את הנחת ההומוגניות של השונות.
9. פירוש התוצאות: ערך p והחלטה
תוצאות ANOVA מוצגות בדרך כלל בטבלת ANOVA המכילה SSB, SSW, df, MSB, MSW, ערך F וערך p.
– אם ערך p ≤ α (לדוגמה, α = 0,05), אז דחו את H0: יש הבדל משמעותי בממוצע בין הקבוצות.
– אם ערך p > α, אזי אי דחיית H0: אין מספיק ראיות לכך שהממוצעים שונים.
עם זאת, "אי דחיית H0" לא אומרת שהממוצעים זהים באמת; זה פשוט אומר שהנתונים אינם חזקים מספיק כדי להוכיח הבדל.
10. מבחן פוסט הוק לאחר ANOVA
אם בדיקת ה-ANOVA מובהקת, השלב הבא הוא לגלות אילו קבוצות שונות. ניתן לעשות זאת באמצעות מבחן פוסט-הוק, לדוגמה:
– Tukey HSD (משמש לעתים קרובות להשוואה של כל הזוגות).
– בונפרוני (שמרני יותר).
– Scheffé (גמיש לניגודים שונים).
– גיימס-האוול (מתאים יותר אם השונות אינה הומוגנית).
בלי בדיקות נוספות, אנחנו רק יודעים "יש הבדל", אבל אנחנו לא יודעים היכן טמון ההבדל.
11. גודל האפקט
בנוסף למשמעות, חשוב גם לדווח כמה השפעה יש לגורם על המשתנה התלוי. גדלי אפקט נפוצים ב-ANOVA הם:
– אטא בריבוע (\(\eta^2\)): היחס של השונות הכוללת המוסברת על ידי הבדלים קבוצתיים.
– אומגה בריבוע (\(\omega^2\)): גרסה פחות מוטה, במיוחד במדגמים קטנים.
גדלי אפקט מסייעים בהערכת הרלוונטיות המעשית, לא רק מובהקות סטטיסטית.
מסקנה
ניתוח אנובה חד-כיווני הוא כלי סטטיסטי בסיסי להשוואת הממוצעים של יותר משתי קבוצות על סמך גורם יחיד. הרעיון הבסיסי הוא להשוות את השונות בין קבוצות לשונות בתוך קבוצות באמצעות סטטיסטיקת F. השימוש בו דורש הנחות של אי-תלות, נורמליות והומוגניות שונות כדי להבטיח מסקנות אמינות. אם תוצאות ה-ANOVA מראות הבדלים משמעותיים, הניתוח נמשך באמצעות מבחני פוסט-הוק כדי לזהות קבוצות שונות ולדווח על גודלי אפקט כדי להעריך את עוצמת ההשפעה באופן מעשי.
אם תרצה, אוכל להוסיף דוגמה מלאה של מקרה (נתונים קטנים), שלבי חישוב ידניים פשוטים, או דוגמה לפלט ANOVA מ-SPSS/R/Excel יחד עם אופן קריאתו.
