Εισαγωγή
Η Ανάλυση Διακύμανσης, γνωστή ως ANOVA (Analysis of Variance), αποτελεί μία από τις βασικότερες μεθόδους της επαγωγικής στατιστικής. Χρησιμοποιείται κυρίως όταν ο ερευνητής επιθυμεί να εξετάσει αν υπάρχουν στατιστικά σημαντικές διαφορές μεταξύ των μέσων τιμών τριών ή περισσότερων ομάδων.
Η ANOVA εντάσσεται σε ένα ευρύτερο πλαίσιο στατιστικής ανάλυσης, το οποίο συνήθως περιλαμβάνει αρχικά περιγραφική παρουσίαση των δεδομένων, έλεγχο βασικών προϋποθέσεων και στη συνέχεια εφαρμογή της κατάλληλης συγκριτικής μεθόδου.
Στο αρχικό υλικό, όταν η ανεξάρτητη μεταβλητή έχει δύο επίπεδα χρησιμοποιείται t-test, ενώ όταν έχει περισσότερα από δύο επίπεδα χρησιμοποιείται ANOVA. Για συγκρίσεις μέσα στις ίδιες ομάδες αναφέρεται η repeated measures ANOVA.
Περιγραφική Στατιστική πριν από την ANOVA
Η ανάλυση πρέπει να ξεκινά με την περιγραφή των δεδομένων.
Για κατηγορικές μεταβλητές, όπως το φύλο ή η παρουσία μιας συγκεκριμένης θεραπείας, χρησιμοποιούνται:
συχνότητες και σχετικές συχνότητες.
Για συνεχείς μεταβλητές μπορούν να χρησιμοποιηθούν:
μέση τιμή και τυπική απόκλιση, όταν η κατανομή είναι περίπου συμμετρική,
ή
διάμεσος και ενδοτεταρτημοριακό εύρος, όταν τα δεδομένα παρουσιάζουν έντονη ασυμμετρία ή ακραίες τιμές.
Το αρχικό αρχείο προτείνει επίσης κυκλικά διαγράμματα και ιστογράμματα. Στη σύγχρονη παρουσίαση, τα ραβδογράμματα προτιμώνται συχνά έναντι των pie charts, επειδή επιτρέπουν ευκολότερη οπτική σύγκριση των κατηγοριών.
Τι Εξετάζει η ANOVA;
Η βασική μηδενική υπόθεση της μονοπαραγοντικής ANOVA είναι:
H₀: μ₁ = μ₂ = μ₃ = … = μₖ
δηλαδή ότι όλοι οι πληθυσμιακοί μέσοι όροι είναι ίσοι.
Η εναλλακτική υπόθεση είναι ότι τουλάχιστον ένας μέσος όρος διαφέρει.
Η ANOVA δεν συγκρίνει απλώς κάθε ζεύγος ομάδων ξεχωριστά. Εξετάζει τη σχέση ανάμεσα:
στη μεταβλητότητα μεταξύ των ομάδων
και
στη μεταβλητότητα μέσα στις ομάδες.
Από αυτή τη σύγκριση προκύπτει το στατιστικό F.
Όσο μεγαλύτερη είναι η μεταβλητότητα μεταξύ των ομάδων σε σχέση με τη μεταβλητότητα εντός των ομάδων, τόσο μεγαλύτερη είναι συνήθως η τιμή του F.
Γιατί δεν Χρησιμοποιούμε Πολλά t-Tests;
Αν υπάρχουν τρεις ή περισσότερες ομάδες, η επαναλαμβανόμενη χρήση ανεξάρτητων t-tests αυξάνει την πιθανότητα σφάλματος Τύπου Ι.
Για παράδειγμα, με τρεις ομάδες υπάρχουν τρεις δυνατές ζευγαρωτές συγκρίσεις. Με περισσότερες ομάδες, ο αριθμός των συγκρίσεων αυξάνεται γρήγορα.
Η ANOVA πραγματοποιεί αρχικά έναν συνολικό έλεγχο και περιορίζει το πρόβλημα της συσσώρευσης του σφάλματος.
Αν η συνολική ANOVA είναι στατιστικά σημαντική, ακολουθούν κατάλληλες post hoc συγκρίσεις.
Προϋποθέσεις της One-Way ANOVA
Η κλασική ANOVA βασίζεται σε ορισμένες βασικές προϋποθέσεις.
Η πρώτη είναι η ανεξαρτησία των παρατηρήσεων. Κάθε συμμετέχων πρέπει να συνεισφέρει μία ανεξάρτητη παρατήρηση σε κάθε ομάδα.
Η δεύτερη αφορά τη μορφή των καταλοίπων, τα οποία πρέπει να είναι κατά προσέγγιση κανονικά.
Η τρίτη αφορά την ομοιογένεια των διακυμάνσεων, δηλαδή οι ομάδες να έχουν σχετικά παρόμοια μεταβλητότητα.
Το αρχικό υλικό χρησιμοποιεί τον έλεγχο Kolmogorov–Smirnov για την κανονικότητα και τον Levene για την ομοιογένεια των διασπορών.
Στη σύγχρονη πρακτική, η κανονικότητα δεν πρέπει να αξιολογείται αποκλειστικά από έναν στατιστικό έλεγχο. Είναι χρήσιμο να εξετάζονται επίσης:
ιστογράμματα,
Q–Q plots,
ακραίες παρατηρήσεις,
και η μορφή των καταλοίπων.
Ο Shapiro–Wilk χρησιμοποιείται επίσης συχνά, ιδιαίτερα σε μικρότερα δείγματα.
Levene Test
Ο έλεγχος Levene εξετάζει αν οι διακυμάνσεις των ομάδων μπορούν να θεωρηθούν ίσες.
Η μηδενική υπόθεση είναι ότι οι διακυμάνσεις είναι ίσες.
Αν:
p > 0,05
δεν υπάρχουν επαρκείς ενδείξεις παραβίασης της ομοιογένειας.
Αν:
p < 0,05
η υπόθεση ίσων διακυμάνσεων αμφισβητείται.
Σε αυτή την περίπτωση μπορεί να χρησιμοποιηθεί η Welch ANOVA, η οποία είναι περισσότερο ανθεκτική σε άνισες διακυμάνσεις και άνισα μεγέθη ομάδων.
Post Hoc Έλεγχοι
Μια σημαντική ANOVA δείχνει ότι υπάρχει διαφορά κάπου μεταξύ των ομάδων, αλλά δεν προσδιορίζει ποιες ομάδες διαφέρουν.
Για αυτό χρησιμοποιούνται post hoc έλεγχοι.
Όταν μπορεί να θεωρηθεί ότι οι διακυμάνσεις είναι ίσες, συχνή επιλογή είναι ο Tukey HSD.
Όταν οι διακυμάνσεις είναι άνισες, είναι προτιμότερες μέθοδοι όπως ο Games–Howell.
Άλλες διορθώσεις, όπως Bonferroni ή Holm, μπορούν επίσης να χρησιμοποιηθούν ανάλογα με το ερευνητικό σχέδιο.
Repeated Measures ANOVA
Το αρχικό κείμενο αναφέρει ότι για τη σύγκριση μέσων τιμών «εντός των groups» χρησιμοποιήθηκε ανάλυση διακύμανσης επαναλαμβανόμενων μετρήσεων.
Η repeated measures ANOVA χρησιμοποιείται όταν τα ίδια άτομα μετρώνται σε περισσότερες από δύο χρονικές στιγμές ή συνθήκες.
Για παράδειγμα, μπορεί να μετρηθεί η αρτηριακή πίεση:
πριν από θεραπεία,
μετά από έναν μήνα,
και μετά από τρεις μήνες.
Επειδή οι μετρήσεις προέρχονται από τα ίδια άτομα, δεν είναι ανεξάρτητες.
Σφαιρικότητα
Στην repeated measures ANOVA υπάρχει μια πρόσθετη προϋπόθεση: η σφαιρικότητα (sphericity).
Εδώ χρειάζεται μια σημαντική διόρθωση σε σχέση με το αρχικό αγγλικό κείμενο: ο Levene test δεν ελέγχει τη σφαιρικότητα.
Η σφαιρικότητα ελέγχεται συνήθως με το Mauchly’s test.
Αν παραβιάζεται, εφαρμόζονται διορθώσεις στους βαθμούς ελευθερίας, όπως:
Greenhouse–Geisser
ή
Huynh–Feldt.
Η διάκριση αυτή είναι ιδιαίτερα σημαντική για τη σωστή μεθοδολογική περιγραφή μιας μελέτης.
Two-Way ANOVA
Όταν εξετάζονται ταυτόχρονα δύο ανεξάρτητες μεταβλητές, μπορεί να εφαρμοστεί Two-Way ANOVA.
Για παράδειγμα, μπορεί να εξεταστεί η επίδραση:
του φύλου
και
της θεραπείας
σε μια συνεχή εξαρτημένη μεταβλητή.
Η μέθοδος επιτρέπει να εξεταστούν:
η κύρια επίδραση του πρώτου παράγοντα,
η κύρια επίδραση του δεύτερου,
και η αλληλεπίδραση (interaction) μεταξύ τους.
Η αλληλεπίδραση είναι ιδιαίτερα σημαντική, επειδή δείχνει αν η επίδραση ενός παράγοντα μεταβάλλεται ανάλογα με το επίπεδο του άλλου.
p-Value και Στατιστική Σημαντικότητα
Το αρχικό αρχείο ορίζει ως επίπεδο στατιστικής σημαντικότητας:
p < 0,05.
Η επιλογή αυτή παραμένει ευρέως χρησιμοποιούμενη.
Ωστόσο, η σύγχρονη στατιστική πρακτική δεν πρέπει να βασίζεται αποκλειστικά σε μια δυαδική απόφαση «σημαντικό / μη σημαντικό».
Το p-value πρέπει να αξιολογείται μαζί με:
το μέγεθος επίδρασης,
τα διαστήματα εμπιστοσύνης,
και την πρακτική ή κλινική σημασία του αποτελέσματος.
Μέγεθος Επίδρασης
Για την ANOVA χρησιμοποιούνται συνήθως δείκτες όπως:
η² (eta squared),
partial η²,
και
ω² (omega squared).
Οι δείκτες αυτοί εκφράζουν πόσο από τη μεταβλητότητα της εξαρτημένης μεταβλητής σχετίζεται με τον εξεταζόμενο παράγοντα.
Ένα στατιστικά σημαντικό αποτέλεσμα μπορεί να έχει πολύ μικρό effect size, ενώ ένα αποτέλεσμα με ουσιαστικά μεγάλο effect size μπορεί να μην φτάσει το όριο σημαντικότητας αν το δείγμα είναι μικρό.
Μη Παραμετρικές Εναλλακτικές
Όταν οι προϋποθέσεις της ANOVA παραβιάζονται έντονα και δεν είναι κατάλληλη κάποια ανθεκτική παραλλαγή, μπορούν να εξεταστούν μη παραμετρικές μέθοδοι.
Για τρεις ή περισσότερες ανεξάρτητες ομάδες χρησιμοποιείται συχνά το Kruskal–Wallis test.
Για επαναλαμβανόμενες μετρήσεις χρησιμοποιείται το Friedman test.
Ωστόσο, οι μέθοδοι αυτές δεν αποτελούν απλώς «ANOVA χωρίς κανονικότητα» και η ερμηνεία τους πρέπει να γίνεται σύμφωνα με τις δικές τους στατιστικές υποθέσεις.
Παρουσίαση Αποτελεσμάτων
Μια σύγχρονη παρουσίαση ANOVA πρέπει να περιλαμβάνει τουλάχιστον:
τους μέσους όρους και τις τυπικές αποκλίσεις ανά ομάδα,
την τιμή F,
τους βαθμούς ελευθερίας,
το ακριβές p-value,
ένα μέγεθος επίδρασης,
και, όπου χρειάζεται, τα αποτελέσματα των post hoc συγκρίσεων.
Παράδειγμα:
«Παρατηρήθηκε στατιστικά σημαντική διαφορά μεταξύ των τριών ομάδων, F(2, 147) = 6,42, p = .002, η² = .08. Η ανάλυση Tukey έδειξε ότι η Ομάδα Α παρουσίασε σημαντικά υψηλότερη μέση τιμή από την Ομάδα Γ».
Συμπεράσματα
Η ANOVA αποτελεί θεμελιώδη μέθοδο για τη σύγκριση μέσων τιμών μεταξύ πολλών ομάδων.
Η σωστή εφαρμογή της όμως δεν περιορίζεται στον υπολογισμό ενός F και ενός p-value. Απαιτεί:
σωστή περιγραφική ανάλυση,
έλεγχο των προϋποθέσεων,
επιλογή κατάλληλης παραλλαγής ANOVA,
post hoc συγκρίσεις όπου απαιτούνται,
και παρουσίαση μεγέθους επίδρασης και διαστημάτων εμπιστοσύνης.
Ιδιαίτερα στις επαναλαμβανόμενες μετρήσεις πρέπει να διαχωρίζεται ο έλεγχος ομοιογένειας διακυμάνσεων από τον έλεγχο σφαιρικότητας.
Με αυτόν τον τρόπο, η ANOVA λειτουργεί όχι απλώς ως τεστ στατιστικής σημαντικότητας αλλά ως ολοκληρωμένο εργαλείο διερεύνησης διαφορών και επιδράσεων μεταξύ ομάδων.
Βιβλιογραφία
Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE Publications.
Girden, E. R. (1992). ANOVA: Repeated measures. SAGE Publications.
Maxwell, S. E., Delaney, H. D., & Kelley, K. (2017). Designing experiments and analyzing data: A model comparison perspective (3rd ed.). Routledge.
Ruxton, G. D., & Beauchamp, G. (2008). Time for some a priori thinking about post hoc testing. Behavioral Ecology, 19(3), 690–693.
Tomarken, A. J., & Serlin, R. C. (1986). Comparison of ANOVA alternatives under variance heterogeneity and specific noncentrality structures. Psychological Bulletin, 99(1), 90–99.