You are on page 1of 2

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.