Guide: Envägs variansanalys (ANOVA)

I det här inlägget ska vi:

x Gå igenom varför variansanalys är att föredra när man ska jämföra medelvärden för fler än två grupper
x Genomföra och tolka en envägs variansanalys
x Genomföra ett post hoc-test

I många vetenskapliga frågeställningar behöver man undersöka om ett medelvärde på en variabel skiljer sig mellan olika grupper. Detta är särskilt vanligt när man genomför experiment. Man kanske vill undersöka hur attityder påverkas av olika typer av stimuli, eller hur en bakterieodling tillväxttakt påverkas av olika näringsämnen. Ett t-test är ett sätt att pröva om medelvärdet skiljer sig mellan två grupper, men t-testet är inte lämpligt när man behöver jämföra många grupper.

Varför? Jo, med ett t-test kan vi med en viss säkerhet uttala oss om att en skillnad i medelvärde mellan två grupper inte beror på slumpen. Den vanligast använda säkerhetsnivån är 95 procent. Om t-testet blir signifikant är vi 95 procent säkra. Men, om vi vill jämföra tre medelvärden, för grupp A, B och C, måste vi göra tre t-test. Ett för jämförelsen A-B, ett för A-C, och ett för B-C. Om vi gör de tre testen, och vi inte hittar några skillnader, kan vi då med 95 procents säkerhet säga att det inte finns några skillnader mellan grupperna? Nej!

Det hela beror på att vi gör fler tester. Gör man ett test är vi 95 procent säkra på att vi drar rätt slutsats (alltså om det finns en skillnad eller inte). Men om vi gör ett test till är vi bara 95%*95% säkra, det vill säga 90,25%. Och gör vi ett ytterligare test blir säkerhetsnivån bara 85,7%! Vi är 95 procent säkra i varje enskilt test, men vi blir mindre och mindre säkra på att vi inte gjort något fel ju fler test vi gör. Det är samma sak som att singla slant flera gånger i rad, och hoppas på att man bara får krona. Första slantsinglingen är chansen 50%, chansen att få två krona i rad är 25%, tre gånger i rad 12,5%, fyra gånger i rad 6,25% osv.

Därför bör man när man jämför medelvärden i fler än två grupper använda sig av variansanalys, eller ANOVA (förkortning för Analaysis of Variance). Variansanalysen testar hypotesen att alla medelvärden är lika. Eftersom vi då testar alla medelvärden på samma gång kan vi då göra det med 95 procents säkerhet – det blir bara ett test. Ger variansanalysen ett signifikant resultat kan vi förkasta nollhypotesen, det vill säga att vi kan vara 95 procent säkra på att minst ett av medelvärdena skiljer sig ifrån de andra på ett sätt som inte beror på slumpen. Vi vet dock inte utifrån variansanalysen vilket medelvärde det är som skiljer ut sig. För det behöver man göra ett så kallat post hoc-test, vilket vi ska gå igenom hur man gör strax.

Att genomföra en variansanalys
I det här exemplet kommer vi att använda oss av påhittad data från ett tänkt experiment. Syftet med experimentet är att undersöka hur information om politiker påverkar nöjdhet med demokratin. I experimentet delades 60 deltagare in i tre grupper.

Kontrollgruppen fick endast läsa en informationstext om det politiska systemet i Sverige.
Experimentgrupp A fick läsa samma informationstext som kontrollgruppen, fast med ett tillägg som handlade om en politisk skandal som drabbat en känd politiker.
Experimentgrupp B fick läsa samma informationstext som kontrollgruppen, fast med ett tillägg som handlade om hur en känd politiker framgångsrikt drivit genom ett förslag om att öka satsningen på cancerforskning i Sverige.

Därefter fick deltagarna svara på frågan ”Hur nöjd är du med demokratin i Sverige?”. Svarsalternativen var ”Mycket missnöjd”, ”Ganska missnöjd”, ”Varken nöjd eller missnöjd”, ”Ganska nöjd” och ”Mycket nöjd”. Alternativen är kodade från 1 till 5, där 1 betyder ”Mycket missnöjd” och 5 ”Mycket nöjd”. Hypotesen är att Experimentgrupp A kommer vara mindre nöjd med demokratin än kontrollgruppen, och att Experimentgrupp B kommer att vara mer nöjd med demokratin än kontrollgruppen.

Datafilen för det påhittade experimenten kan laddas ned härifrån, för den som vill följa med i instruktionerna.

För att genomföra variansanalysen går man in på ”Analyze->Compare Means->One-way ANOVA”. I rutan som dyker upp klickar man i den beroende variabeln, nöjdhet med demokratin, i rutan ”Dependent list”. Den oberoende variabeln grupp klickar man in i rutan ”Factor”. Tryck också på knappen ”Options” och klicka i ”Descriptives”, som i bild 1. Tryck sedan på ”Continue” och ”Ok”.

Bild 1. Hur man väljer beroende och oberoende variabel i variansanalysen.

I outputfönstret får man ut två tabeller: ”Descriptives” och ”ANOVA”. I den första tabellen är det intressanta gruppmedelvärdena, som i bild 2 är inringade. De ger den första indikationen på resultatet. I bild 2 ser vi att medelvärdet i kontrollgruppen är 3,15, i Experimentgrupp A 2,25 och i Experimentgrupp B 3,25. Medelvärdena går alltså i linje med hypotesen. Experimentgrupp A är minst nöjd, och Experimentgrupp B är mest nöjd. Skillnaden i medelvärden mellan experimentgrupp A och kontrollgruppen är dock större än skillnaden mellan kontrollgruppen och experimentgrupp B. Men är skillnaderna signifikanta?

Bild 2. Output från variansanalysen.

Svaret får vi i tabellen ”ANOVA”. Det SPSS gör är att räkna ut ett så kallat F-värde. Grundprincipen är att den jämför variationen inom grupperna med variationen mellan grupperna. Ju större variationen mellan grupperna är, och ju mindre variationen inom grupperna är, desto större blir F. SPSS jämför sedan F-värdet med ett kritiskt värde, som beror på hur många personer som ingår i analysen. Om F-värdet är större än det kritiska värdet drar vi slutsatsen att det finns signifikanta skillnader mellan minst två av grupperna. Signifikansvärdet utläser vi längst till höger i tabellen, inringat i bild 2. Om värdet är under ,050 är resultatet signifikant med 95 procent säkerhet. I det här fallet blev signifikansvärdet ,012. Vi kan alltså med 95 procents säkerhet säga att åtminstone två av medelvärdena skiljer sig åt på ett sätt som inte beror på slumpen.

Om variansanalysen visar på ett icke-signifikant resultat, är det meningslöst att gå vidare och undersöka skillnader mellan enskilda grupper – alla grupperna kan sägas ha samma medelvärde. Men i det här fallet ser vi nu att det finns signifikanta skillnader, och det är då givetvis intressant att se vilka grupper som skiljer sig åt. För att göra det behöver vi göra ett så kallat post hoc-test.

Att genomföra ett post hoc-test efter variansanalysen
För att genomföra post hoc-testet går vi återigen in på ”Analyze->Compare Means->One-way ANOVA”. Vi låter allting stå kvar som förut, fast klickar nu på knappen ”Post hoc” och klickar i rutan ”Tukey”, som i bild 3. Tukey är ett ofta använt test, men det finns som synes också många andra test, som alla innebär lite olika antaganden.

Bild 3. Hur man hittar post hoc-testet.

När man klickat ”OK” får man nu ut två nya tabeller i outputen, ”Multiple comparisons” och ”Homogenous subsets”. Det intressanta är tabellen ”Multiple comparisons”. I den kan vi se vilka gruppers medelvärden som är signifikant skilda ifrån varandra.

Bild 4. Output från post hoc-testet.

I den första raden i bild 4 jämförs kontrollgruppen med först Experimentgrupp A och sedan Experimentgrupp B. I den första inringningen, kolumnen ”Mean Difference”, kan vi se medelvärdesskillnaderna som fåtts fram genom att ta medelvärdet för kontrollgruppen minus medelvärdet för Experimentgrupp A. Det blir alltså 3,15-2,25=0,9. Är skillnaden signifikant? För att ta reda på det går vi till kolumnen Sig. Värdet är ,037, vilket är under ,050. Alltså är skillnaden signifikant med 95 procents säkerhet. Det kan vi också se genom att SPSS automatiskt satt ut en liten stjärna vid medelvärdesskillnaden.

Medelvärdesskillnaden mellan kontrollgruppen och Experimentgrupp B är 3,15-3,25=-0,1. Är den skillnaden signifikant? Nej, signifikansvärdet är ,957, betydligt högre än ,050.

I nästa rad jämförs Experimentgrupp A med kontrollgruppen och Experimentgrupp B. Medelvärdesskillnaden gentemot kontrollgruppen är densamma, förutom att det nu står -0,9 istället för 0,9. Det beror på att SPSS nu räknar experimentgrupp A minus kontrollgruppen, istället för tvärtom. Men skillnaden är så klart fortfarande signifikant. Vi ser också att Experimentgrupp A är signifikant skild från Experimentgrupp B – medelvärdesskillnaden är -1,0 och signifikansen är ,018.

I nästa rad jämförs Experimentgrupp B med kontrollgruppen och Experimentgrupp A, men de skillnaderna känner vi redan till.

Slutsatsen av variansanalysen blir alltså att Experimentgrupp A är signifikant mindre nöjda med demokratin än både kontrollgruppen och Experimentgrupp B, medan kontrollgruppen och Experimentgrupp B inte är signifikant skilda ifrån varandra. Hade det vart ett riktigt experiment hade man kanske kunnat dra slutsatsen att negativ information påverkar nöjdheten med demokratin mer än vad positiv information gör.

54 thoughts on “Guide: Envägs variansanalys (ANOVA)

  1. Men, är det inte så att Anova kräver kvantitativ variabel samt att varje delpopulation är normalfördelad med samma standardavvikelse (kanske inte så viktigt i balanserad studie, men…).?
    Här är det en femgradig ordinalskala som är ordinal, diskret och inte kan vara normalfördelad.

      • Onekligen, men att felet, dvs att villkor ignoreras, är vanligt förekommande – för att inte säga etablerat (åtminstone inom vissa områden som marknadsföring och statsvetenskap?) kan knappast vara ett vetenskapligt argument för att upprepning… ? Kan leda till felaktiga slutsatser för den aningslöse tillämparen…

      • Nej, som jag skrev är det helt riktigt att det egentligen ska vara en intervallskala. Jag tror dock att det går att få fram intressant information ändå, men om man vill göra det helt rätt ska man givetvis vinnlägga sig om att variablerna är av rätt typ.

        /Anders

  2. Kan någon vara snäll att förklara homogeneous subsets ordentligt. Signifikansen verkar omvänd och inte längre syfta på nollhypotesen, eller är jag bara förvirrad?

    • Kom på hur det låg till. När det bara ligger en faktor i gruppen så kan den inte skilja sig från sig själv.

      Signifikansen syftar inte till skillnader mellan utan inom sin subset grupp.

  3. Jag behöver göra en signifikans prövning av en behandlingsform. Det är två grupper (separata behandlingsformer) och tre mättilfällen (pre, post och en uppföljning). Hur gör jag???

    • Hej Maria!
      Vid varje tillfälle kan du ju göra till exempel ett T-test mellan de båda grupperna. Men om du vill mäta skillnaderna vid alla de olika tillfällena samtidigt så tror jag att det är en MANOVA man ska använda sig av. Det är som en ANOVA men fast tillåter flera beroende variabler. Dock har jag aldrig jobbat med MANOVA själv så jag kan nog inte hjälpa dig så mycket där, men jag kan hänvisa till Statnotes, som brukar vara utmärkt:

      http://faculty.chass.ncsu.edu/garson/PA765/manova.htm

      /Anders

  4. Hej! Jag håller på att göra skriva ett arbete där jag har mätt kroppsfett på manliga fotbollsspelare. Nu behöver jag kolla på om resultaten mellan backar, mittfältare och anfallarnas kroppsfett är signifikant samt om det råder några skillnader grupperna emellan.
    Jag har använt mig utav 5 spelare på vardera position. Hur för jag in resultaten på SPSS och hur läser jag av svaren?
    Jag är väldigt lost på programmet samt på statistik i allmänhet och vore väldigt tacksam för svar!
    MVH

  5. Hej Anders!

    Vi skriver ett examensarbete och har fastnat i Post Hoc Tukey. Vi har jämfört medelvärde i antal sekunder deltagare kan hålla ut ett /a/ mellan sex olika grupper. ANOVA visar att det finns en signifikant skillnad (p<0,05) och i Multiple Comparisons kan vi se att det finns en signifikant skillnad mellan två av grupperna.

    Det vi inte förstår är att de två grupper som anges skilja sig signifikant åt har medelvärde 25s respektive 24s, vilket ger en skillnad på 1s. Det finns andra grupper där medelvärdena är 32s respektive 21s, vilket ger en skillnad på 11s. Varför anges inte denna skillnad som signifikant?

    Tacksamma för svar!

    Vänliga hälsningar.
    Anna och Sara

    • Hej Anna och Sara!
      Det låter märkligt, generellt sett är det ju så att de största skillnaderna är signifikanta. Jag skulle dubbelkolla att signifikansvärdena har lästs av på rätt sätt (p<0.05). Men om ni har gjort det kan en möjlig förklaring vara att det i grupperna med stor skillnad är väldigt få deltagare, eller att spridningen inom grupperna är väldigt stor.

      Ta fram standardavvikelsen inom grupperna så kan ni se om den är väldigt stor i grupperna med 32 s och 21 s. Är den det kan det möjligen vara en förklaring.

      /Anders

  6. Hello!
    One simple question for someone (but not me)!
    I am about to present F values in a table…And when you present F-value in an article it is often written in a table column like this (numbers are just examples): F(1,100) = 5.55
    I understand that 5.55 showes the F value, but what does the number in the parantes mean? Where do I find these numbers in my data in SPSS (or how do I calculate them), having done a ANOVA?

    Thank you again! / Anna

    • Hello Anna!
      The two numbers in parentheses are the degrees of freedom. First between groups, and then within groups. These numbers are found in the table ”ANOVA” in the column ”df”. In the second image in this example, you can see the numbers. The way to write it for this example would be:

      F(2, 57)=4.799, p=.012.

      /Anders

  7. Hej,
    En förutsättning för en ANOVA är att man har ungefär lika stora grupper. Finns det någon lämplig analysmetod då man vill jämföra skillnader i medelvärde mellan 2 grupper där storleksförhållandet mellan grupperna är ca 1:8 (ca 100 i ena fallet och 800 i det andra)?

    /Monica

  8. I am looking att testresults of different subtests in three different groups of subjects.
    How do I calculate η2? I understand it is something like SS effect / SS total. But I am not sure how to find these figures in SPSS. Is ”SS effect” the number I find in ANOVA ”sum of squares”? And if so shall I take the number ”between groups” or ”within groups” as my ”SS effect”? Does my Q make any sense?

  9. Hello

    I have a question regarding SPSS, how people rank media channels such as TV, Radio, Internet from 1 (very negative) to 7 (very positive). I want to compare this media channels against eachother to see how the medias is compared to eachother. The problem for me is that the question is submitted into three columns (one for Tv, one for radio and one for Internet). I`m trying to do that through a ANOVA-test.

    One person said that I need to sum up the TV, Radio and Internet colum into one column first, but I don`t understand how I can see a difference between each media.

    Can someone please help me with a step by step guide.

    I appreciate your help.

    Best regards,
    Stanley

    • Hello Stanley!
      Your friend is partly right.
      That would be one way to do i. You’d then have to have a variable indicating whether the person is talking about TV, Radio or Internet (1, 2 or 3). Then you can use an ANOVA to determine if the scores are different for the three media.

      However, if you do it like that, you’ll violate the assumption that observations are independent, as each person would appear thrice in the data.

      An alternative is instead to use the ”Analyze -> Compare means -> Paired samples t-test”. Then you can compare the variables two and two, to see if people differ in their assessment of each media.

      /Anders

      • Thanks for a fast reply.

        If I add the medias below eachother in one column, how can I then catagorise them, so I see which medias thats belongs to which (e.g Tv,Radio, internet)?
        Because I don’t want to change the values from 1 to 7 (we have a scale of 1 being ”very small extent” and 7 ”very large extent”)

      • Hej, igen.

        Såg att man kunde skriva på svenska så jag ska omformulera mig.

        Vi har 3 frågor som mäter hur respondnterna använder radio,tv, internet för informationssökning. En typisk fråga kan vara ”Min inställning till att hämta information om företag genom media är..” där respondnten värdesätter radio från 1-7 sen tv 1-7 osv.

        ”Min inställning till att hämta inofrmation om företag genom media är”
        Radio 1 2 3 4 5 6 7
        TV 1 2 3 4 5 6 7
        Internet 1 2 3 4 5 6 7

    • Hej igen, svaret är detsamma på svenska.
      Det är mer korrekt att använda paired samples t-test än ANOVA, och enklare.
      Du skriver då bara in vilka två variabler du vill jämföra.

      Sen finns det nog något sätt du kan göra det med ANOVA och ändå få det korrekt, men då blir det betydligt mer komplicerat.

      /Anders

      • Hej,

        Intressant svar, men saken är den att vi vill jämföra medierna; hur respondenterna svarat mellan 3 frågor för att få fram vilken media som är bäst lämpad. Är det inteså att med ett paired sample t-test så jämför du 2 olika medier mot varandra, inte alla 3? Därav trodde vi att One-way anove skulle fungera bättre.

      • Hej, jag förstår, och ni har den här avvägningen att göra:

        1. ANOVA: ni kan jämföra alla tre men bryter mot en massa antaganden (eftersom varje person är med tre gånger – ni får tre gånger så många analysenheter som ni faktiskt har).
        2. Paired samples t-test: Inga sådana problem, men ni kan bara jämföra två variabler åt gången.
        3. Mer avancerad modell som löser båda problemen. En sådan vet jag dock inte riktigt hur man ska konstruera.

        Lycka till!
        /Anders

      • Tack för dina svar.
        Om vi vill jämför de 3 medierna, inkluderat i en fråga med olika åldersgrupper. Finns möjligheten att göra det i ett Anova test och isåfall hur? Antar att man behöver 2 ”factorer” och en som ligger under ”dependent list”?

  10. Hej!
    Hur skulle man rapportera resultatet från övningsexemplet med demokratin ovan på ett korrekt vis? Visa gärna både en tabell och hur man redovisar siffrorna i löptext.
    Mvh Karin

  11. Hej!

    Tack för en mycket bra och givande blogg!

    Sitter med ett material där en av flera analyser är just en envägs ANOVA. Som beroende variabler har jag 16 frågor med svar enligt likertskala (0-10) och som oberoende variabel tre olika grupper med olika typer av erhållen vård.

    När jag testar homogenity of variance (Levenes test) visar det sig att några av dessa 16 frågor hamnar under signifikansnivån om 0,05 vilket innebär att den antaget hoogena variansen är hotad. I den siutationen ska man testa eligt Welsh och Brown-Forsythe, men jag förstår inte hur resultaten ska tolkas och lyckas inte hitta någon information av värde i några statistikböcker jag har tillgängliga. Hoppas du kan hjälpa mig!

    Med vänliga hälsningar

    Thérèse

  12. Hej!
    Jag har en fråga angående F och df. Vi gör en C-uppsats och kommer redovisa ANOVA i tabeller. I tabellerna skall vi redovisa F, df och sig, så min fråga är: Vilket df skall redovisas? Between groups, Within groups eller Total?

  13. Hej! Jag undrar vad som händer om man bryter mot flera av antagandena för att få genomföra ANOVA, kopplat till typ 1 och typ 2 fel?

  14. Hej!
    Funderar över hur man ska sammanfatta en regressionsanalys med några enstaka meningar, samt vilka mått bör man ha med? I enlighet med APA-manualen?

    Hälsningar!

  15. Hej Anders eller någon annan kunnig!
    Jag håller på att skriva ett arbete om förändringsbedömningar. Min avsikt är att se om skillnadsvärdena för olika test påverkas av kön, ålder, cv-risk och antal år i skolan och även undersöka ev. interaktionseffekter av t.ex. kön och ålder. I det skede jag nu är i, har jag de fyra OV – kön, cv-risk (båda kodade som 0/1), ålder, utbildning (båda kontinuerliga variabler) och totalt 11 BV som är skillnadsvärden för olika test. Dessa 11 är i sin tur från tre olika grupper (eftersom jag tvingats exkludera vissa deltagare från vissa test), där en grupp består av 129 personer (4 variabler), en består av 125 (3 variabler) och en av 109 (4 variabler). Jag försöker nu göra tre MANOVor, men har fastnat. Vad är det troligt att jag gör för fel?

    Tack för en bra sida!

    Vänliga hälsningar,
    Isabelle

  16. Ping: Guide: Stapeldiagram med error bars | SPSS-AKUTEN

  17. Hej!
    Kan ni förklara hur man redogör för signifikanstestet med ANOVA.

    Jag har gjort ONE WAY anova men med upprepad mätning .. och jag fick då Sig ,501. Vad betyder det och hur redovisar man det? Enligt min lärare har jag fått fram bra resultat, men förstår inte varför! HJÄLP!

    • Vad menar du med redogör? Rapporterar resultatet i textform (enligt APA)?
      Utan en detaljerad beskrivning av vad du försöker analysera är det svårt att vägleda dig.
      Så här kan man rapportera resultatet:
      ”A one-way repeated measures ANOVA was conducted to compare scores on the
      Confi dence in Coping with Statistics Test at Time 1 (prior to the intervention), Time 2 (following the intervention) and Time 3 (three-month follow-up). The means and standard deviations are presented in Table 1. There was a signifi cant effect for time, Wilks’ Lambda = .25, F (2, 28) = 41.17, p < .0005, multivariate partial eta squared = .75."

      Din lärare har fel, p=.501 betyder att det är 50 % risk att det uppmätta resultatet uppkommit av ren slump. Man vill helst att p < .05.
      statistik112@hotmail.com

      • Hej Zel.
        Att signifikansvärdet blir 0,501 betyder som statistik112 skrivet här ovan att det är stor sannolikhet att skillnaden mellan grupperna uppkommit på grund av slump – det är alltså osannolikt att behandlingen, vad den nu är, har haft någon effekt.

        Men det betyder inte att din lärare har fel – allt beror på vad din frågeställning och hypotes är. Om du till exempel har en hypotes om att en ny behandling inte ska vara sämre än en traditionell behandling så kanske man vill att det inte ska vara några skillnader mellan grupperna. Allt beror på hypotesen.

        Men tänk att ANOVA handlar om att testa om huruvida medelvärden skiljer sig mellan grupper. Signifikansvärdet är ett mått på om de gör det på ett sätt som det är osannolikt att slumpen kan ha gett upphov till.

        /Anders

  18. Hej! Hur vet jag vilket post hoc test jag ska använda? Vad jag har förstått så ska man använda games-howell om variansen inte är homogen. Men om den är homogen? Hur vet jag hur mycket grupperna skiljer sig åt i storlek?

    Tack på förhand!

  19. Hej Anders,
    jag undrar hur jag ska göra en anova flervägs variansanalys då jag har 2oberoende variabler mastery och engagemang och en beroende variabel: positiva utmaningar i arbetet. Jag vill se om det finns gruppskillnader mellan kön på dessa variabler. då borde det bli en oberoende flervägs variansanalys. Hur gör jag detta på SPSS?
    Tacksam för snabbt svar.

  20. Hej igen tror att jag vet hur man gör en ob. flervägsanalys. Jag har gjort Analyze general linear model univariate och får dock detta felmedelande:
    Warnings
    Post hoc tests are not performed for mastery because at least one group has fewer than two cases.
    Post hoc tests are not performed for index_engagemang because at least one group has fewer than two cases.
    Jag har provat med split file på kön med det blir fel det med hur ska jag göra för att jämföra kön medelvärden på mina ob.v. mastery och engagemang mot Beroende variabel positiva utmaningar i arbetet.
    Vänligen Jenny

    • Hej Jenny!

      Om du vill ha professionell hjälp med din statistiska analys driver jag en egen blogg som du kan besöka spssstatistik.wordpress.com.

      En kort svar på din fråga är att du inte kan göra ett post-hoc test om du har mindre än 3 grupper/kategorier. Du har variabeln kön som du sedan (av någon anledning) gjort en split file på. Då har du bara 1 kategori kvar; män respektive kvinnor när du ska göra analysen separat.

      Det är bättre att låta kön vara en oberoende variabel och testa för interkation mellan kön och den/de andra variablerna.

  21. Hej!
    Hur får jag ut p-värdet manuellt? Du skrev i en kommentar tidigare F(2, 57)=4.799, p=.012.
    Hur har du fått ut p? Sedan hur får jag ut ett F värde som (2,57) som inte finns i tabellen?

    Hur får man ut p-värdet i en hypotesövning är det samma uträkning alltid?

  22. Hur får man exempelvis ut F värdet (2,15) vid 1% signifikansnivå?
    Vet att det blir 3,68 vid 5 % signifikansnivå

  23. Hej,
    Vi gör en uppsats om förväntningar hos en grupp. Vi har hittills gjort en jämförelse mellan parti (majoritet & opposition) samt förväntningar sedan mellan utbildningstid (hög o låg) samt förväntningar. Utifrån ANOVA kunde vi se signifikanta skillnader som vi då valde att analysera. Vi fick råd av lärare att göra en faktoranalys för att sedan göra ANOVA, detta för att kunna se samband. Vi förstår dock inte riktigt hur detta är bättre i jämförelse med korrelationsanalys. Vi testade gör en korrelationsanalys utifrån medelvärdena men fann ingen signifikans mellan mellan kategorin samt förvänt. Dock fanns det mellan förväntningarna i sig. Kan tillägga att vi ska beskriva samt förklara förväntningar och att vi använder oss av kvotskala (1-håller med- 6- håller inte med.)

    Frågorna lyder;
    -Kan man genom ANOVA se samband, är detta förklarande?
    -Om man gör faktoranalys för att sedan göra ANOVA på detta, vad ger det? Är det samma sak som att göra anova på medelvärden men att genom att göra faktoranalys först får man det komprimerat vilka frågor som är relevant samt detta uppdelat i faktorer? Vi kunde genom vår faktoranalys se faktorer 1- Delaktighet, 2- Effekter osv. Hoppas du förstår vad jag menar.
    – kan man då man har kvotskala göra stapeldiagram med error-bars?

  24. Hej! jag har fått i uppgift att bedöma om ett samband är linjärt eller inte utifrån ANOVA. Jag vet inte vilka siffror jag ska titta på för att avgöra detta. När är ett samband linjärt?

  25. Hej Anders,
    jag hittar ingenting om ANCOVA på din hemsida, kan du rekommendera någon annan sida som förklarar det på ett pedagogiskt sätt?

    Mvh
    HF

  26. Hej,

    Jag undrar om du har bra koll på beroende och oberoende variabler?

    Jag undrar hur interventioner påverkar variablerna?

    T.ex. vid sprutor mot fästingar. Om man ex. har 30 barn, som randomiserat blir indelade i två grupper.

    Vid första sprutan får barnen emla-kräm för att motverka smärta. Vid tillfället får jag som föräldrar uppskatta barnets smärta och oro efter ha fått sprutan. Samt får även syrran som utför sticket uppskatta barnets smärta.

    Vid andra spruttillfället får barnen i grupp 1 emla-kräm, men blir samtidigt distraherade genom interventionen kolla på TV. Därefter får varje föräldrar uppskatta sitt barns smärta och oro. Samt också syrran som utför sticket ska också göra en skattning.

    Vid andra spruttillfället får barnen i grupp 2 emla-kräm, men blir samtidigt distraherade genom en kall isbit, som barnet får hålla i sin hand. Därefter får varje föräldrar skatta sitt barns smärta och oro. Samt även här ska sjuksyrran göra en skattning.

    Skattningen sker genom VAS-skalan, som är graderad från 0-10 cm. Där 0 är ingen smärta (och oro) och 10 är mycket hög smärta (och oro).

    Kan någon hjälpa mig att plocka ut variablerna? Jag förstår att smärta och oro blir beroende variabler.

    Men hur är det med de oberoende variablerna? De två interventionerna vid andra tillfället kan jag begripa är oberoende variabler. Men hur är det med standardbehandlingen med emla-kräm? Vilken variabelgrupp hör den till ?

    Finns det fler variabler i detta fall?

    Hälsningar

    Sara

  27. Hej!
    Jag har i min studie jämfört medelvärdena på ett antal test i språk- och läsförmåga för tre olika grupper. Nu visar det sig i en prövning av homogeneity of variance att den inre variationen skiljer sig åt signifikant mellan grupperna på tre av testvariablerna.Vad bör jag tänka på i tolkningen av utfallet på de här variablerna i anova-analysen med tanke på att det är en signifikant skillnad i spridningen mellan grupperna? Vilka risker kan signifikanta skillnader mellan gruppernas inre spridning innebära för utfallet i anovan-analysen och post-hoc analysen?

    Annars ett stort tack för en mycket bra sida om statistik och SPSS! Underlättar verkligen livet för en doktorand som inte har någon naturlig fallenhet för statistik!
    Med vänlig hälsning,
    Maria

  28. Hej! Är det ok att göra ett kontrasttest fast ANOVA testet inte visar signifikanta resultat. Till kontrasttestet tar jag bara 2 utav grupperna (totalt 16). Här hittar jag sig. skillnader mellan dessa två grupperna? Är kontrasttest är t-test?

  29. I SPSS finns det en mängd olika metoder och test för att avgöra om resultatet av viss analys kan anses vara signifikant (ofta betecknad sign (0,05)). Ofta handlar det om att avgöra om ett visst urval kan anses vara signifikant för hela populationen, till vilken grad man kan generalisera ett utfall för hela populationen eller urvalsramen. Om den datamängd man har att jobba med, inte är ett urval, utan utgör hela populationen (ibland betecknad totalurval), så uppstår ju frågan:
    -Är många av de analyser och signifikanstest som finns relevanta vid totalurval?
    Jag tänker t ex på Levene’s homogenitetstest, post-hoc testerna vid ANOVA-analys.
    Tacksam för tips på hur man skall ”kvalitetstesta” resultaten av analyser gjord på ett totalurval.

  30. Hej!
    Skriver C-uppsats där deltagare har fått fylla i olika formulär för att mäta sinnesstämning & Ångest/depression, kört en intervention under 2 veckor, mätt igen med samma formulär för att se om det blev nån skillnad – det blev det! Har fått en korrelation mellan sinnesstämning och ångest, även sinnesstämning och depression och till sist sinnesstämning och utbildningsnivå. Utbildningsnivå har tre nivåer och jag har gjort en envägsanova, gick bra. Men hur 17 gör jag för att undersöka ångest, depression + sinnesstämning korrelationen? Ångest och Dep är index med typ 8 frågor i varje…

  31. Hej skulle vilja ha hjälpa med att tolka ett one way ANOVA test till en kandidatuppsats. Där tre variabler har sats upp mot varandra där Antal rätt på ett kostkunskapstest jämfördes emot vilken nivå som tränaren coachade på . Vad är relevanta att skriva om jämförelsen i text. Alltså hur ska jag presntera det i text?

Kommentera

Fyll i dina uppgifter nedan eller klicka på en ikon för att logga in:

WordPress.com Logo

Du kommenterar med ditt WordPress.com-konto. Logga ut / Ändra )

Twitter-bild

Du kommenterar med ditt Twitter-konto. Logga ut / Ändra )

Facebook-foto

Du kommenterar med ditt Facebook-konto. Logga ut / Ändra )

Google+ photo

Du kommenterar med ditt Google+-konto. Logga ut / Ändra )

Ansluter till %s