Kalkulator ANOVA - Analiza Wariancji, Test F i Welch

ANOVA jednoczynnikowa: jedna liczba F zamiast serii testów t

Trzy poziomy nawożenia, po sześć roślin w każdej grupie, średnie przyrosty 5, 9 i 10. Przypadek czy realna różnica? Analiza wariancji odpowiada jednym testem: F(2, 15) = 9,2647, wartość p 0,0024, więc przy poziomie istotności 0,05 co najmniej jedna średnia odstaje od pozostałych. Kalkulator przyjmuje surowe pomiary od 2 do 10 grup albo gotowe statystyki z raportu (liczebność, średnia, odchylenie), układa pełną tabelę ANOVA, liczy siłę efektu η² i ω², a obok klasycznego F pokazuje test Welcha i test równości wariancji Browna-Forsythe’a.

Co wpisać, żeby dostać tabelę ANOVA

Rodzaj danych - surowe pomiary, gdy masz wszystkie wyniki, albo gotowe statystyki, gdy artykuł lub raport podaje tylko liczebność, średnią i odchylenie standardowe każdej grupy.
Pomiary grup - każda grupa w osobnej linii, wartości oddzielone spacją albo średnikiem. Przed dwukropkiem możesz dopisać nazwę, na przykład Nawóz A: 6 8 4 5 3 4. Przecinek działa jako znak dziesiętny (4,5 5,2). W linii bez spacji kilka przecinków rozdziela wartości (6,8,4), a jeden oznacza ułamek (4,5 to jedna wartość).
Statystyki grup - w trybie statystyk jedna linia na grupę w kolejności liczebność; średnia; odchylenie, na przykład 13; 549,38; 168,76. Odchylenie ma być próbkowe, z dzielnikiem n - 1.
Poziom istotności - najczęściej 0,05. Wartość 0,01 wybierz, gdy fałszywy alarm jest kosztowny, a 0,10 w badaniach wstępnych.
Odczytaj wyniki - kafelek z F i wartością p, tabelę sum kwadratów, statystyki grup, a przy nierównych wariancjach także ramkę z wnioskiem z testu Welcha.

Rachunek F w pięciu ruchach

Na przykładzie trzech grup nawożenia z otwarcia (dane z hasła „One-way analysis of variance” w angielskiej Wikipedii). Kalkulator wykonuje dokładnie te kroki.

1

Średnie grup i średnia ogólna
Grupy mają średnie 5, 9 i 10, a wszystkie 18 pomiarów razem dają średnią 8.

2

Suma kwadratów między grupami
SSB = 6 · (5 - 8)² + 6 · (9 - 8)² + 6 · (10 - 8)² = 84. Mierzy, jak daleko średnie grup leżą od średniej ogólnej.

3

Suma kwadratów wewnątrz grup
Każdy pomiar porównany ze średnią własnej grupy: SSW = 68. To zwykły rozrzut, którego nie tłumaczy przynależność do grupy.

4

Średnie kwadraty
Stopnie swobody: k - 1 = 2 między grupami i N - k = 15 wewnątrz. MS między = 84 / 2 = 42, MS wewnątrz = 68 / 15 = 4,5333.

5

F i wartość p
F = 42 / 4,5333 = 9,2647. Wartość krytyczna dla α = 0,05 przy 2 i 15 stopniach swobody to 3,6823, a prawy ogon rozkładu F daje p = 0,0024. Grupy wyjaśniają η² = 55,3 % całej zmienności.

Seria testów t czy jedna analiza wariancji

Najczęstsza pokusa przy trzech i więcej grupach to porównać każdą parę testem t. Każde porównanie ma własne 5 % ryzyka fałszywego alarmu, więc ryzyko, że choć jedno z wielu wyjdzie istotne przypadkiem, rośnie. Gdyby porównania były niezależne, wynosiłoby 1 - 0,95^m, gdzie m to liczba par. Tabela pokazuje ten rachunek obok tego, co daje ANOVA.

Parametr	Seria testów t	ANOVA	Kto powinien wybrać
3 grupy	3 pary, ryzyko do 14,26 %	1 test, ryzyko 5 %	każdy, kto pyta „czy grupy się różnią”
4 grupy	6 par, do 26,49 %	1 test, 5 %	porównania metod, dawek, odmian
5 grup	10 par, do 40,13 %	1 test, 5 %	ankiety z kilkoma grupami wiekowymi
10 grup	45 par, do 90,06 %	1 test, 5 %	duże eksperymenty, linie produkcyjne
Werdykt	Najpierw ANOVA. Gdy wyjdzie istotna, pary sprawdza test post hoc z kontrolą błędu dla całej rodziny porównań, na przykład test Tukeya.

Przy dwóch grupach oba podejścia dają to samo. Grupy 1, 2, 3 i 4, 5, 6 dają F(1, 4) = 13,5, a test t Studenta t = 3,674, czyli dokładnie pierwiastek z F. Wartość p jest w obu przypadkach ta sama: 0,0213.

Wzory i trzy policzone zestawy

SSB = Σ nᵢ (x̄ᵢ - x̄)²    SSW = Σ Σ (xᵢⱼ - x̄ᵢ)²
F = [SSB / (k - 1)] / [SSW / (N - k)]    η² = SSB / (SSB + SSW)
ω² = (SSB - (k - 1) · MSW) / (SST + MSW)

Plon kukurydzy przy trzech nawozach (przykład z dokumentacji programu NCSS, 13, 16 i 14 poletek): średnie 549,3846, 557,5 i 722,3571. Wynik: F(2, 40) = 7,474, p = 0,0017, η² = 0,272. Test Browna-Forsythe’a W = 1,0866, p = 0,3471, więc nic nie wskazuje na nierówne wariancje, a test Welcha (F = 8,0236, df 2 i 24,27, p = 0,0021) prowadzi do tego samego wniosku.

Średnie podobne, rozrzut zupełnie inny. Grupy 10 11 9 10 10, potem 2 30 15 1 25 i 12 13 11 14 12. Klasyczna ANOVA: F(2, 12) = 0,4561, p = 0,6443. Brown-Forsythe daje jednak p = 0,0011, wariancje są wyraźnie różne, a test Welcha: p = 0,0197. Kalkulator w takiej sytuacji wyświetla ostrzeżenie i wskazuje wynik Welcha jako bezpieczniejszy.

Same statystyki z raportu. Linie 13; 549,3846; 168,7629, 16; 557,5; 104,6219 i 14; 722,3571; 127,8873 odtwarzają F = 7,47 i p = 0,0017 z przykładu o kukurydzy. Testu Browna-Forsythe’a nie da się policzyć bez pojedynczych pomiarów, więc w tym trybie go nie ma.

Dokładność numeryczną sprawdzono na zbiorach referencyjnych NIST StRD do analizy wariancji, także na takich, w których wszystkie pomiary mają 13 wspólnych cyfr na początku (SmLs07): kalkulator zwraca certyfikowane F = 21.

Pięć pułapek, które psują wniosek z ANOVA

Błąd: czytanie istotnego F jako „wszystkie grupy się różnią”. Lepiej: F mówi tylko, że co najmniej jedna średnia odstaje. Które pary, rozstrzyga test post hoc.

Błąd: klasyczne F przy bardzo różnych wariancjach i nierównych grupach. Lepiej: sprawdzić test Browna-Forsythe’a i przy p poniżej 0,05 oprzeć się na teście Welcha.

Błąd: te same osoby zmierzone kilka razy wpisane jak niezależne grupy. Lepiej: powtarzane pomiary wymagają ANOVA z powtarzanym pomiarem, a ten kalkulator jej nie liczy.

Błąd: skala ocen od 1 do 5 albo silnie skośne czasy potraktowane jak dane normalne. Lepiej: test Kruskala-Wallisa, który porównuje rangi zamiast średnich.

Błąd: raportowanie samego p bez siły efektu. Lepiej: podać też η² albo ω². Przy tysiącach obserwacji nawet efekt rzędu 1 % wyjaśnionej zmienności daje małe p.

ANOVA w pytaniach

Jak zinterpretować wynik ANOVA jednoczynnikowej?

Patrzysz na wartość p przy F. Poniżej wybranego poziomu istotności, zwykle 0,05, odrzucasz hipotezę, że wszystkie średnie w populacji są równe. Zapis do raportu wygląda tak: F(2, 40) = 7,47, p = 0,002, η² = 0,27.

Jakie założenia musi spełniać analiza wariancji?

Niezależne obserwacje, rozkład zbliżony do normalnego w każdej grupie i podobne wariancje. Pierwszego nie sprawdzi żaden test, wynika z planu badania. Wariancje kalkulator ocenia testem Browna-Forsythe’a, a przy ich nierówności podaje test Welcha. Przy wyraźnie nienormalnych danych lepiej sięgnąć po test Kruskala-Wallisa.

Czy grupy muszą być równej wielkości?

Nie. Wzory działają przy dowolnych liczebnościach, co widać w przykładzie z 13, 16 i 14 poletkami. Nierówne grupy razem z nierównymi wariancjami to jednak sytuacja, w której klasyczne F myli się najbardziej, i wtedy warto czytać wynik Welcha.

Czym się różni η² od ω²?

η² to udział sumy kwadratów między grupami w całkowitej zmienności próby. ω² koryguje go o to, ile zmienności grupy „wyjaśniałyby” przypadkiem, więc zawsze jest mniejsze i lepiej szacuje efekt w populacji. W przykładzie z nawozami η² = 0,553, a ω² = 0,479.

Skąd wartość krytyczna F i czy potrzebuję tablic?

Tablice nie są potrzebne. Kalkulator liczy prawy ogon rozkładu F Snedecora z regularyzowanej funkcji beta i na tej podstawie wyznacza zarówno wartość p, jak i próg dla wybranego α. Dla 2 i 40 stopni swobody przy α = 0,05 próg wynosi 3,2317, przy α = 0,01 5,1785.

Czy ANOVA dwuczynnikową też tu policzę?

Nie. Kalkulator liczy wyłącznie analizę jednoczynnikową, czyli jeden podział na grupy. Dwa czynniki naraz, na przykład nawóz i odmiana, wymagają osobnego modelu z interakcją.