Lors de la
recherche, parfois, il devient nécessaire d'analyser des données comparant plus
de deux échantillons ou des groupes. Un type de statistiques déductives test,
analyse de variance (Anova), permet l'examen de plusieurs échantillons à la
fois à des fins de déterminer si une relation significative existe entre eux.
Le raisonnement est identique pour les tests t, seule une analyse de variance
comprend des variables indépendantes sur les deux échantillons ou plus. Les
différences entre les échantillons, ainsi que la différence au sein d'un
échantillon est déterminée. ANOVA repose sur quatre hypothèses: le niveau de la
mesure, la méthode d'échantillonnage, la répartition de la population, et
l'homogénéité de la variance.
Afin de
déterminer si les différences sont importantes, analyse de la variance est
préoccupé par les différences entre et au sein des échantillons, ce qui est
considéré comme la variance. L'analyse de la variance peut savoir si la
variance est plus grande entre les échantillons par rapport à celle chez les
membres de l'échantillon. Si cela s'avère être vrai, alors les différences sont
considérées comme significatives.
Effectuer un
test ANOVA implique l'acceptation de certaines hypothèses. La première est que
la méthode d'échantillonnage aléatoire indépendant est utilisée et le choix des
membres de l'échantillon d'une seule population n'a aucune influence sur le
choix des membres de populations ultérieures. Les variables dépendantes sont
mesurées principalement au niveau de l'intervalle à rapport, mais il est
possible d'appliquer l'analyse de variance à mesures du niveau ordinal. On peut
supposer que la population est distribuée normalement, même si ce n'est pas
vérifiable, et les écarts de population sont les mêmes, ce qui signifie que les
populations sont homogènes.
L'hypothèse de
recherche suppose qu’au moins un moyen est différent de celui des autres, mais
les différents moyens ne sont pas identifiés comme plus ou moins grande. Seul
le fait qu'il existe une différence est prédite. Les tests ANOVA pour
l'hypothèse nulle, ce qui signifie qu'il n'y a pas de différence entre toutes
les valeurs moyennes, de sorte que A = B = C. Ceci nécessite la mise en alpha,
en référence à un niveau de probabilité de l'hypothèse nulle où sera rejeté.
F-ratio est une
statistique de test utilisé spécifiquement pour l'analyse de la variance, comme
le score F montre où la zone de rejet de l'hypothèse nulle commence. Développé
par statisticien Ronald Fisher, la formule F est la suivante: F = entre le
groupe estimation de la variance (MSB) divisée par l'estimation de la variance
au sein du groupe (MSW), tel que F = MSB / MSW. Chacune des estimations de la
variance se compose de deux parties - la somme des carrés (SSB et BSA) et les
degrés de liberté (df). Utilisation des tableaux statistiques pour biologique,
agronomique et la recherche médicale, l'alpha peut être réglée et basé sur
cela, et l'hypothèse nulle d'absence de différence peut être rejetée. On peut
en conclure qu'une différence significative existe entre tous les groupes, si
tel est le cas.
