İçeriğe atla
Arama sonuçlarına dön

Varyans Analizi (ANOVA)

Ortaya koyan
Ronald A. Fisher
Yıl
1925
Tür
Method
Aile
parametric-hypothesis-testing

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

ANOVA, Ronald A. Fisher tarafından 1925 yılında geliştirilen, üç veya daha fazla bağımsız grup arasında ortalamaların anlamlı bir şekilde farklılık gösterip göstermediğini test eden parametrik bir istatistiksel yöntemdir.

Toplam varyansı gruplar arası ve grup içi bileşenlere ayırarak, gözlemlenen farklılıkların tedavi etkilerinden mi yoksa rastgele varyasyondan mı kaynaklandığını belirler. Bu özelliğiyle tıp, psikoloji, tarım ve mühendislik gibi alanlardaki karşılaştırmalı araştırmalar için temel bir yöntemdir.

Yöntemin mantığı

ANOVA, t-testini (iki grubu karşılaştıran) birden çok gruba genişleterek, grup üyeliği tarafından açıklanan varyansın açıklanamayan varyansa oranını inceler. Eğer gruplar temel ortalamalarında gerçekten farklılık gösteriyorsa, gruplar arası varyans, grup içi varyanstan (rastgele hata) önemli ölçüde daha büyük olacaktır. F-istatistiği bu oranı nicelleştirir: büyük F, gerçek grup farklılıklarını gösterirken, küçük F, grupların benzer olduğunu düşündürür. Bu mantık, deneysel tasarımın ve gözlemsel grup karşılaştırmalarının çoğunun temelini oluşturur.

Tarih

Ronald A. Fisher, 1925 yılında Rothamsted Deneysel İstasyonu'nda tarımsal saha denemelerini analiz ederken ANOVA'yı geliştirmiştir. Amacı, gübre uygulamaları arasında mahsul verimlerinin farklılık gösterip göstermediğini test etmekti. Yeniliği, varyansı ayırması ve (kendi adını taşıyan) F-dağılımını tanıtmasıyla karşılaştırmalı istatistiklerde devrim yaratmıştır. Kruskal ve Wallis (1952) parametrik olmayan eşdeğerini (Kruskal-Wallis testi) geliştirmiştir. Yöntem, 20. yüzyıl boyunca psikoloji, tıp ve sosyal bilimlerde standart hale gelmiştir. Modern uzantılar arasında tekrarlanan ölçümler ANOVA'sı (Mauchly, 1940), faktöriyel ANOVA (Yates, 1937) ve sağlam varyantlar (Welch'in F'si, James-Stein tahmincileri) bulunmaktadır.

Ne zaman kullanılır?

ANOVA'yı, sürekli bir sonuç üzerinde üç veya daha fazla bağımsız grubun ortalamalarını karşılaştırırken kullanın. Yaygın senaryolar: birden fazla tedavi koşulunun etkinliğini test etmek (eğitim, tıp), demografik kategoriler (yaş grupları, coğrafi bölgeler) arasındaki sonuçları karşılaştırmak veya randomize bir denemede birden fazla müdahale kolunu değerlendirmek. ANOVA, veriler yaklaşık olarak normal dağıldığında ve grup varyansları kabaca eşit olduğunda idealdir. Normal dağılım göstermeyen veriler için Kruskal-Wallis'i (parametrik olmayan alternatif) düşünün. Tekrarlanan ölçümler için (aynı denekler birden çok kez ölçüldüğünde) tekrarlanan ölçümler ANOVA'sını kullanın. İç içe geçmiş veriler için (okullar içindeki öğrenciler) çok düzeyli modellemeyi kullanın.

Sınırlar ve dikkat edilmesi gerekenler

  • Normal dağılmış kalıntılar varsayar; büyük etki büyüklükleri veya eşit olmayan grup büyüklükleri ile normallikten sapmalara karşı hassastır.
  • Varyans homojenliği varsayımı: gruplar arası eşit olmayan varyanslar Tip I hatayı artırır. Welch'in F'si daha sağlam bir alternatiftir.
  • Omnibus testi: anlamlı bir p-değeri en az iki ortalamanın farklı olduğunu gösterir, ancak hangi çiftlerin farklı olduğunu belirtmez; post-hoc testleri karmaşıklık ve çoklu karşılaştırma cezaları ekler.
  • Aykırı değerlere duyarlıdır: birkaç aşırı gözlem, grup içi varyansı artırabilir ve istatistiksel gücü azaltabilir.
  • Bağımsız gözlemler gerektirir; veriler uygun ayarlama yapılmadan kümelenmişse (örn. sınıflara yerleştirilmiş öğrenciler) varsayımları ihlal eder.

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Varsayımlar karşılandığında gerçek grup farklılıklarını tespit etmek için güçlüdür; birden fazla t-testine göre daha düşük Tip I hata oranı sağlar.
  • Tutumludur: birçok ikili karşılaştırma yapmak yerine tek bir modelde genel grup etkisini test eder.
  • Genel varyasyona göre grup farklılıklarının büyüklüğünü nicelleştiren etki büyüklüğünü (eta-kare) sağlar.
  • İstatistiksel yazılımlarda yaygın olarak bulunur; disiplinler arası araştırmalarda standart bir uygulamadır; sonuçlar kolayca iletilir.
  • Genişletilebilir: faktöriyel ANOVA (birden çok faktör), çok değişkenli ANOVA (MANOVA), tekrarlanan ölçüm tasarımları ve karma modeller için temel oluşturur.

Uygulama alanları

  • Klinik araştırmalar: birden fazla ilaç dozajının veya rakip tedavilerin hasta sonuçları üzerindeki etkinliğini karşılaştırmak (örn. üç tedavi kolunda ağrı azalması).
  • Eğitim araştırmaları: öğrenci başarısının öğretim yöntemine, okul türüne veya sosyoekonomik geçmişe göre farklılık gösterip göstermediğini test etmek.
  • Tarım ve çevre bilimi: tarla koşulları, gübre türleri veya coğrafi bölgeler arasında mahsul verimlerini, büyüme oranlarını veya kirletici seviyelerini analiz etmek.
  • Üretim ve kalite kontrol: ürün kalite metriklerinin üretim hattına, partiye veya tedarikçiye göre değişip değişmediğini değerlendirmek.
  • Psikoloji ve nörobilim: bilişsel performansı, nöral aktivasyonu veya davranışsal ölçümleri deneysel koşullar veya tanı grupları arasında karşılaştırmak.

Nasıl çalışır?

Nasıl çalışır?

1

ANOVA'yı, sürekli bir sonuç değişkeniniz ve bir veya daha fazla kategorik gruplandırma değişkeniniz (faktör) olduğunda uygulayın. Veri toplama, her gruptan bağımsız gözlemler ve yeterli örneklem büyüklüğü (genellikle grup başına 5-10+) gerektirir. Katılımcıları gruplara deneysel olarak (rastgele atama) veya gözlemsel olarak (doğal gruplandırma) atayın. Tüm katılımcılar için sonuç puanlarını kaydedin. Devam etmeden önce varsayımları kontrol edin: (1) gözlemlerin bağımsızlığı (kümelenme veya tekrarlanan ölçüm kirliliği olmaması), (2) her grup içindeki kalıntıların normalliği (Q-Q grafikleri inceleyin veya Shapiro-Wilk testi uygulayın), (3) gruplar arası varyans homojenliği (Levene testi; p > 0.05 eşit varyansları düşündürür).

2

ANOVA F-istatistiğini, toplam kareler toplamını (SS_total) gruplar arası kareler toplamına (SS_between) ve grup içi kareler toplamına (SS_within) ayırarak hesaplayın. Hesaplayın: (1) Genel ortalama (tüm gözlemlerin genel ortalaması), (2) SS_between = Σ n_i(M_i − M_grand)² burada n_i grup büyüklüğü ve M_i grup ortalamasıdır, (3) SS_within = Σ Σ (x_ij − M_i)² gruplar ve gözlemler boyunca toplanır, (4) Gruplar Arası Ortalama Kareler (MS_between) = SS_between / (k − 1) burada k grup sayısıdır, (5) Grup İçi Ortalama Kareler (MS_within) = SS_within / (N − k) burada N toplam örneklem büyüklüğüdür, (6) F-istatistiği = MS_between / MS_within. F, sıfır hipotezi altında (k−1) ve (N−k) serbestlik derecesi ile bir F-dağılımını takip eder.

3

Hesaplanan F değerini F-dağılım tablolarındaki kritik değerle karşılaştırın veya p-değerini elde etmek için yazılım kullanın. Eğer p < α (genellikle 0.05) ise, sıfır hipotezini reddedin: en az iki grup anlamlı olarak farklıdır. ANOVA hangi grupların farklı olduğunu belirlemez; ikili karşılaştırmalar için post-hoc testleri (Tukey HSD, Bonferroni, Scheffé) kullanın. Pratik önemi belirtmek için etki büyüklüğünü (η², omega-kare) rapor edin: η² = SS_between / SS_total; kabaca 0.01=küçük, 0.06=orta, 0.14=büyük. Omega-kare, küçük örneklemler için daha az yanlıdır. Anlamlı olmayan p-değerleri, grup farklılıklarına dair yetersiz kanıt olduğunu gösterir; grupların eşit olduğu sonucuna varmayın—kanıtın yokluğu, yokluğun kanıtı değildir.

Sık yapılan hatalar

  • Varsayımları, özellikle normallik ve varyans homojenliğini kontrol etmeden ANOVA yapmak; her zaman kalıntı grafiklerini inceleyin.
  • ANOVA ve ardından post-hoc testleri yerine birden fazla ikili t-testi yapmak; aile bazında Tip I hatayı artırır ve gücü boşa harcar.
  • Anlamlı olmayan ANOVA'yı grupların eşit olduğuna dair kanıt olarak yanlış yorumlamak; anlamlılığın olmaması sadece sıfır hipotezini reddetmek için yetersiz kanıt olduğunu gösterir.
  • Sıralı veya kategorik sonuç verileri üzerinde ANOVA kullanmak (bunun yerine ki-kare kullanın); ANOVA sürekli sonuçlar gerektirir.
  • p-değerlerinin yanı sıra etki büyüklüklerini (eta-kare, omega-kare) rapor etmemek; tek başına istatistiksel anlamlılık pratik önemi iletmez.
  • Post-hoc karşılaştırmalarda eşit olmayan grup büyüklüklerini göz ardı etmek; bazı testler (örn. Tukey) eşit n varsayar.

Sık sorulan sorular

Tek yönlü, iki yönlü ve tekrarlanan ölçümler ANOVA'sı arasındaki fark nedir?

Tek yönlü ANOVA, birden çok seviyeye sahip tek bir bağımsız değişkeni (faktör) test eder (örn. üç tedavi grubu). İki yönlü ANOVA, iki bağımsız değişkeni içerir ve ana etkileri ile bunların etkileşimini test eder (örn. tedavi ve cinsiyetin sonuç üzerindeki etkileri). Tekrarlanan ölçümler ANOVA'sı, aynı bireylerin birden çok kez ölçüldüğü (örn. tedavi öncesi, sırası ve sonrası) denek içi tasarımlara uygulanır; tekrarlanan gözlemler arasındaki korelasyonu hesaba katar. Seçim, çalışma tasarımına ve araştırma sorularına bağlıdır.

Post-hoc testlerini ne zaman kullanmalıyım ve hangisi en iyisidir?

Post-hoc testlerini yalnızca anlamlı bir omnibus ANOVA'dan sonra, hangi grup çiftlerinin farklı olduğunu belirlemek için kullanın. Tukey HSD (Honestly Significant Difference), eşit grup büyüklükleri ve planlanmış ikili karşılaştırmalar için standarttır ve aile bazında hatayı kontrol eder. Bonferroni, az sayıda karşılaştırma için muhafazakardır (daha katı, daha az yanlış pozitif). Scheffé, karmaşık karşıtlıklara izin veren en esnek olanıdır. Dunnett'in testi, birden fazla tedavi grubunu tek bir kontrol grubuyla karşılaştırmak için en iyisidir. Post-hoc testlerini her zaman önceden belirtin; veriye dayalı seçim Tip I hatayı artırır.

Gruplar arası eşit olmayan örneklem büyüklüklerini nasıl ele alırım?

Eksik veriler tamamen rastgele eksikse (MCAR), eşit olmayan n bir ihlal değildir. Tip I hata kontrolü, eşit olmayan n altında sağlamdır. Ancak, post-hoc testleri eşit grup büyüklükleri varsayar; eşit olmayan varyansları ve örneklem büyüklüklerini ayarlamak için değiştirilmiş kritik değerler veya alternatif testler (örn. Games-Howell) kullanın. Grup büyüklüklerini açıkça rapor edin. Eksikliğin ilgi değişkenleriyle ilişkili olması durumunda, eksik verileri uygun şekilde ele almak için çoklu atama veya karma modelleri düşünün.

Eta-kare (η²) nedir ve omega-kare (ω²) ile farkı nedir?

Her ikisi de etki büyüklüğünü ölçer: toplam varyansın grup üyeliği tarafından açıklanan oranı. Eta-kare (η² = SS_between / SS_total) hesaplaması daha kolaydır ancak özellikle küçük örneklemlerde yukarı doğru yanlıdır. Omega-kare (ω² = (SS_between − (k−1)MS_within) / (SS_total + MS_within)) bu yanlılığı düzeltir ve popülasyon etki büyüklüğünün daha az şişirilmiş bir tahminini sağlar. Yayın için, doğruluk açısından omega-kareyi rapor edin. Kabaca kıyaslamalar: 0.01 = küçük, 0.06 = orta, 0.14 = büyük etki.

İlgili yöntemler

Kaynaklar

  1. Fisher, R. A. (1925). Statistical Methods for Research Workers. Oliver and Boyd.

    Yayın kaynağını aç
    Kopyalandı.
  2. Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621.

    DOI kaynağını aç
    Kopyalandı.