La prueba de ANOVA asume que las muestras utilizadas en el análisis son " muestras aleatorias simples . " Esto significa que una muestra de individuos (puntos de datos ) se toman de una población más grande ( un conjunto de datos más grandes piscina). Las muestras deben también ser independiente - es decir, que no se afectan entre sí . ANOVA es generalmente adecuado para la comparación de medias en estudios controlados , pero cuando las muestras no son independientes, se debe utilizar una prueba de medidas repetidas .
Distribución normal
ANOVA asume que la datos en los grupos se distribuyen normalmente . La prueba todavía puede llevarse a cabo si éste no fuera el caso - y si la violación de este supuesto es sólo moderada , la prueba sigue siendo adecuado. Sin embargo , si los datos están muy lejos de la distribución normal , la prueba no proporciona resultados precisos. Para evitar esto , o bien transformar los datos con la función SPSS " Compute " antes de ejecutar el análisis , o utilizar una prueba alternativa , como una prueba de Kruskal -Wallace .
Desviaciones estándar iguales
Otra limitación de ANOVA es que se asume que los grupos tienen la misma o , desviaciones estándar muy similares. Cuanto mayor sea la diferencia en desviaciones estándar entre los grupos , la mayor probabilidad de que la conclusión de la prueba es inexacta . Al igual que el supuesto de distribución normal , esto no es un problema , siempre y cuando las desviaciones estándar no son enormemente diferentes , y los tamaños de las muestras de cada grupo son aproximadamente iguales . Si este no es el caso, una prueba de Welch es una mejor opción.
Comparaciones múltiples
Cuando se ejecuta un ANOVA de SPSS , el valor resultante F y nivel de significación sólo indicará si al menos un grupo en el análisis es diferente de al menos otro . No dirá cuántos grupos o qué grupos , difieren estadísticamente . Para determinar esto, se deben realizar las comparaciones de seguimiento . Esto no suele ser un problema en los análisis de los pequeños , pero cuanto mayor sea el número de los grupos incluidos en la prueba de seguimiento , mayor es la posibilidad de hacer un error de tipo I , que está suponiendo un efecto en el que no lo es.