Analiza wariancji, ANOVA (od ) – rodzina modeli statystycznych i powiązanych z nimi metod estymacji i wnioskowania wykorzystywanych do analizy różnic pomiędzy średnimi w różnych grupach (populacjach), np. w zależności od jednego lub wielu działających równocześnie czynników. ANOVA pomaga wyodrębnić źródła zmienności (mierzonej przez wariancję) i ustalić, czy wyodrębnione czynniki mogą być źródłem różnic między obserwowanymi średnimi grupowymi.
W swojej najprostszej formie ANOVA stanowi test statystyczny sprawdzający, czy dwie lub więcej średnich w populacjach jest sobie równych, tym samym stanowi uogólnienie test t Studenta na więcej niż dwie średnie. W ramach analizy wariancji wykonywany jest test F, zaś statystyka testowa ma rozkład F SnedecoraKing, B.M., Minium E.W., Statystyka dla psychologów i pedagogów. Wydawnictwo Naukowe PWN, Warszawa 2009, s. 495..
Analiza wariancji została zaproponowana przez Ronalda Fishera.
Modele analizy wariancji można podzielić na kilka kategorii w zależności od liczby zastosowanych zmiennych zależnych w modelu, liczby zmiennych niezależnych oraz od tego, czy porównywane próby są niezależne (nieskorelowane) czy też skorelowane (patrz tabela 1). + Tabela 1 Rodzaj modelu Liczba zmiennych zależnych Liczba zmiennych niezależnych Próby niezależne/skorelowane Jednoczynnikowa ANOVA jedna jedna niezależne Wieloczynnikowa ANOVA jedna więcej niż jedna niezależne ANOVA dla pomiarów powtarzanych jedna jedna lub więcej skorelowane MANOVA więcej niż jedna jedna niezależne
Według kryterium podział modeli przebiega następująco: model efektów stałych – obserwacje są z góry podzielone na kategorie, model efektów losowych – kategorie mają charakter losowy, model mieszany – część kategorii jest ustalona, a część losowa.
Przypisy
Bibliografia J. Brzeziński, R. Stachowski: Zastosowanie analizy wariancji w eksperymentalnych badaniach psychologicznych. PWE, 1981 Heinz Ahrens: Analiza Wariancji. PWN, 1970
*