Cuáles son las limitaciones de ANOVA en SPSS?

Un análisis unidireccional de la varianza o ANOVA, es un método estadístico para comparar las medias de más de dos conjuntos de datos, para ver si son estadísticamente diferentes entre sí. SPSS, un paquete de análisis estadístico, permite el uso de una ANOVA de una vía en su gran conjunto de procedimientos. Sin embargo, el ANOVA no es una prueba perfecta y bajo ciertas circunstancias proporcionará resultados engañosos.

Limitaciones de la muestra

La prueba de ANOVA asume que las muestras utilizadas en el análisis son "muestras aleatorias simples." Esto significa que una muestra de individuos (puntos de datos) se toman de una población más grande (un banco de datos más grande). Las muestras también deben ser independientes - es decir, que no se afectan entre sí. ANOVA es generalmente adecuado para medios de comparación en estudios controlados, pero cuando las muestras no son independientes debe ser utilizado una prueba de medidas repetidas.

Distribución normal

ANOVA asume que los datos de los grupos se distribuyen normalmente. La prueba todavía puede llevarse a cabo si este no fuera el caso - y si la violación de este supuesto es sólo moderada, la prueba sigue siendo adecuado. Sin embargo, si los datos están muy lejos de la distribución normal, la prueba no proporciona resultados precisos. Para evitar esto, ya sea transformar los datos con la función de SPSS "Calcular" antes de ejecutar el análisis, o utilizar una prueba alternativa, como una prueba de Kruskal-Wallace.

Igualdad de desviaciones

Otra limitación de ANOVA es que se asume que los grupos tienen los mismos o muy similares, las desviaciones estándar. Cuanto mayor sea la diferencia en las desviaciones estándar entre los grupos, la mayor probabilidad de que la conclusión de la prueba está incorrecto. Al igual que el supuesto de distribución normal, este no es un problema, siempre y cuando las desviaciones estándar no son enormemente diferentes, y los tamaños de muestra de cada grupo son aproximadamente iguales. Si este no es el caso, una prueba de Welch es una mejor opción.

Las comparaciones múltiples

Cuando se ejecuta un ANOVA en SPSS, el nivel de valor F y la significación resultante sólo le dirá si al menos un grupo en su análisis es diferente de al menos otro. No te dice cuántos grupos, o qué grupos, difieren estadísticamente. Con el fin de determinar esto, las comparaciones de seguimiento deben llevarse a cabo. Esto no suele ser un problema en los análisis pequeñas, pero cuanto mayor sea el número de los grupos incluidos en la prueba de seguimiento, mayor es la probabilidad de cometer un error tipo I, que está suponiendo un efecto en el que no es uno.