BATASAN KONSEP ANOVA DALAM STATISTIK

Walau bagaimanapun, ANOVA bukan ujian yang sempurna dan dalam keadaan tertentu akan

memberikan hasil yang mengelirukan. Ujian ANOVA menganggap bahawa sampel yang

digunakan dalam analisis adalah "sampel rawak mudah." Ini bermakna sampel individu (titik

data) diambil daripada populasi yang lebih besar (kolam data yang lebih besar). Sampel juga

mestilah bebas - iaitu, mereka tidak saling mempengaruhi. ANOVA umumnya sesuai untuk

membandingkan min dalam kajian terkawal, tetapi apabila sampel tidak bebas ujian langkah

berulang mesti digunakan. ANOVA menganggap bahawa data dalam kumpulan adalah

bertaburan normal.

ANOVA umumnya sesuai untuk membandingkan min dalam kajian terkawal, tetapi apabila

sampel tidak bebas ujian langkah berulang mesti digunakan. ANOVA menganggap bahawa

data dalam kumpulan adalah bertaburan normal. Ujian ini masih boleh dijalankan jika perlu

kerana ianya tidak menjadi kes dalam sesuatu kajian dan jika ianya melanggar andaian ini

hanya mempunyai isu yang sederhana, ujian adalah masih sesuai dijalankan.

Selain daripada itu, jika data adalah jauh dari taburan normal, sesuatu ujian akan memberikan

keputusan yang tidak tepat. Untuk mendapatkan keadaan ini, ianya perlu sama ada mengubah

data dengan fungsi SPSS "pengiraan" sebelum menjalankan analisis atau menggunakan ujian

alternatif seperti ujian Kruskal-Wallace.

Satu lagi limitasi ANOVA adalah bahawa ia sering mengandaikan bahawa kumpulan yang

mempunyai sisihan yang sama atau hampir sama akan mempunyai sisihan piawai. Semakin

besar perbezaan dalam sisihan piawai antara kumpulan, peluang yang lebih besar

menunjukkan bahawa keputusan ujian adalah tidak tepat.

Seperti dalam andaian taburan normal, ianya tidak menjadi masalah selagi sisihan piawai

tidak begitu sangat berbeza, dan saiz sampel setiap kumpulan adalah lebih kurang sama.

Apabila kita menjalankan ANOVA dalam SPSS, nilai F dan kepentingan tahap tersebut hanya

memberitahu kita sesuatu data satu kumpulan dalam analisis yang dibuat adalah berbeza

daripada sekurang-kurangnya satu data yang lain.