ANOVA jednoczynnikowa - kalkulator analizy wariancji

Na czym polega problem matematyczny w ANOVA jednoczynnikowej?

ANOVA jednoczynnikowa (jednoczynnikowa analiza wariancji) rozwiązuje problem porównania średnich kilku niezależnych grup. Mamy jedną zmienną grupującą, czyli jeden czynnik, oraz liczbowy wynik mierzony w każdej grupie. Pytanie brzmi: czy widoczne różnice średnich są na tyle duże w porównaniu z naturalnym rozrzutem danych wewnątrz grup, że trudno wyjaśnić je samym przypadkiem?

ANOVA nie porównuje samych średnich „na oko”. Najpierw mierzy zmienność między grupami: jak daleko średnie grup leżą od średniej ogólnej. Następnie mierzy zmienność wewnątrz grup: jak daleko pojedyncze obserwacje leżą od średniej swojej grupy. Stosunek tych dwóch rodzajów zmienności tworzy statystykę F.

Jeżeli F jest bliskie 1, różnice między grupami nie są duże względem rozrzutu wewnętrznego. Jeżeli F jest wyraźnie większe, pojawia się sygnał, że czynnik grupujący wiąże się z różnicami średnich. Dopiero rozkład F i p-value pozwalają ocenić, czy taki wynik jest statystycznie istotny przy przyjętym poziomie α.

Jak interpretować wynik ANOVA: F, p-value i eta²?

Statystyka F porównuje zmienność między grupami ze zmiennością wewnątrz grup. Sama wartość F nie ma jednej uniwersalnej granicy, ponieważ jej interpretacja zależy od stopni swobody.

p-value odpowiada na pytanie, jak prawdopodobny byłby co najmniej tak duży wynik F, gdyby hipoteza H₀ o równych średnich była prawdziwa. Jeśli p < α, odrzucamy H₀. Poprawne sformułowanie brzmi wtedy: „wynik wskazuje, że co najmniej jedna średnia różni się od pozostałych”, a nie „wszystkie grupy różnią się między sobą”.

Eta² jest miarą wielkości efektu i w tym kalkulatorze ma postać η² = SS między / SS razem. Pokazuje, jaka część całkowitej zmienności danych jest związana z podziałem na grupy. Wielkość efektu warto interpretować razem z kontekstem zadania, liczebnościami i wykresem, a nie wyłącznie przez sztywny próg.

Dla ucznia i studenta - pełny przykład ANOVA krok po kroku

Rozważ trzy grupy wyników:

Krok 1. Oblicz średnie grup i średnią ogólną

Średnie wynoszą odpowiednio 4, 7 i 10. Wszystkich obserwacji jest 9, a ich suma wynosi 63, więc średnia ogólna to x̄ = 63 / 9 = 7.

Krok 2. Policz zmienność między grupami

Każda grupa ma po 3 obserwacje, dlatego:

Krok 3. Policz zmienność wewnątrz grup

W grupie A odchylenia od średniej 4 to -2, 0 i 2, więc suma kwadratów wynosi 8. Tak samo jest w grupach B i C. Otrzymujemy:

Krok 4. Wyznacz stopnie swobody

Krok 5. Oblicz MS i F

Krok 6. Odczytaj p-value i zapisz wniosek

Dla F = 6,75 oraz stopni swobody 2 i 6 kalkulator otrzymuje p ≈ 0,0291. Przy α = 0,05 mamy p < α, dlatego odrzucamy H₀. Wniosek brzmi: co najmniej jedna średnia grupy różni się istotnie statystycznie. Nie wolno jeszcze stwierdzić, które dokładnie grupy różnią się między sobą.

Wielkość efektu wynosi η² = 54 / (54+24) ≈ 0,6923. W tym przykładzie duża część całkowitego zróżnicowania danych jest związana z podziałem na grupy.

Jak zapisać odpowiedź w zeszycie lub na egzaminie?

1. Zapisz H₀ i H₁.
2. Podaj średnie grup i średnią ogólną.
3. Oblicz SS między i SS wewnątrz.
4. Wyznacz df oraz MS.
5. Oblicz F i p-value.
6. Porównaj p z α i zapisz wniosek słowami.

Najczęstsze błędy w zadaniach z ANOVA

• Wniosek „wszystkie średnie są różne”. Istotna ANOVA mówi tylko, że co najmniej jedna średnia jest inna.
• Mylenie SS i MS. Statystykę F liczymy z MS, czyli sum kwadratów podzielonych przez odpowiednie stopnie swobody.
• Złe stopnie swobody. Dla k grup i N obserwacji są to k-1 oraz N-k.
• Ignorowanie założeń. Samo p-value nie potwierdza niezależności, normalności ani podobieństwa wariancji.
• Seria zwykłych testów t po istotnej ANOVA. Porównania par wymagają kontroli błędu wielokrotnych porównań.
• Mylenie p-value z wielkością efektu. p mówi o zgodności danych z H₀, a η² opisuje skalę zmienności związanej z grupami.

Statystyka i analiza danych - gdzie kontynuować naukę?

Jeżeli ANOVA jest jednym z kilku tematów, które przerabiasz, pełną ścieżkę od statystyki opisowej przez rozkłady i testy znajdziesz w Akademii statystyki, prawdopodobieństwa i analizy danych. Warto wracać do niej wtedy, gdy trzeba dobrać metodę do rodzaju danych, a nie tylko wykonać pojedyncze obliczenie.