Quelles sont les limites de variance dans SPSS?

Limitations exemples

• Le test ANOVA suppose que les échantillons utilisés dans l'analyse sont "Échantillons aléatoire simple." Cela signifie que d'un échantillon d'individus (points de données) sont prises à partir d'une population plus importante (un pool de données plus grande). Les échantillons doivent être aussi indépendant - autrement dit, elles ne touchent pas les uns les autres. ANOVA est généralement approprié pour un moyen de comparaison dans des études contrôlées, mais lorsque les échantillons ne sont pas indépendants d'un test de mesures répétées doit être utilisé.

Distribution normale

• 
  
  
  
  

  ANOVA suppose que les données contenues dans les groupes sont distribuées normalement. Le test peut encore être effectuée si cela ne pas être le cas - et si la violation de cette hypothèse est que modérée, le test est toujours approprié. Cependant, si les données sont un long chemin de la distribution normale, le test ne sera pas fournir des résultats précis. Pour contourner ce problème, soit transformer les données avec le SPSS "Compute" fonction avant de lancer l'analyse, ou d'utiliser un test de remplacement comme un test de Kruskal-Wallace.

La norme d'égalité écarts

• Une autre limitation de variance est qu'il suppose que les groupes ont les mêmes, ou très similaires, les écarts types. Plus la différence dans les écarts-types entre les groupes, la plus grande chance que la conclusion de l'essai est inexacte. Comme l'hypothèse de distribution normale, ce ne sont pas un problème tant que les écarts-types sont pas très différent, et les tailles d'échantillons de chaque groupe sont à peu près égale. Si cela est pas le cas, un test Welch est une meilleure option.

Comparaisons multiples

• Lorsque vous exécutez une analyse de la variance dans SPSS, le niveau de la valeur de F et la signification résultant seulement vous dire si au moins un groupe dans votre analyse est différente d'au moins un autre. Il ne vous dit pas combien de groupes ou des groupes qui, diffèrent statistiquement. Afin de déterminer cela, les comparaisons de suivi doivent être effectuées. Ceci est rarement un problème dans les petites analyses, mais plus le nombre de groupes inclus dans le test de suivi, plus la chance de faire une erreur de type I, qui est en supposant un effet où il n'y a pas un.