Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.

) Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.)

ANALIZA VARIJANCE (ANOVA) PRIMJER

istraživačkog problema za koji je primjereno koristiti analizu varijance:
t–testom se testira statistička značajnost razlike aritmetičkih sredina dvaju
uzoraka (skupina).
"NEZAVISNA" "ZAVISNA"
Što ako imamo više od dva uzorka? (KLASIFIKATORSKA) VARIJABLA VARIJABLA
PRIPADNOST SUPKULTURNOJ AGRESIVNO PONAŠANJE
Možemo li provesti niz t–testova, testirajući statističku značajnost razlike SKUPINI (NOMINALNA VARIJABLA) (INTERVALNA VARIJABLA)
aritmetičkih sredina svih mogućih parova uzoraka?
KATEGORIJE:
• opsežno i nepraktično: Punkeri
– trebalo bi provesti k(k–1)/2 t–testova (k = broj uzoraka/skupina): Skinheadsi
3 kategorije klasifikatorske varijable – testirati 3 H0 Metalci
SKALA AGRESIVNOSTI (0–100)
4 kategorije klasifikatorske varijable – testirati 6 H0 Rapperi
5 kategorija klasifikatorske varijable – testirati 10 H0
Hip–hoperi
10 kategorija klasifikatorske varijable – testirati 45 H0
Raveri
• statistički problemi: Navijačke skupine
– uzimajući pri svakom t–testu u obzir samo dio rezultata (tj. one koji su
uključeni u uzorke/skupine na kojima provodimo pojedini test), lošije
procjenjujemo varijancu populacije nego ako procjenu temeljimo na Pretpostavimo da su za navedene skupine dobiveni sljedeći prosječni
svim rezultatima svih uzoraka rezultati na skali agresivnosti, na nekom uzorku:
– uz to, s rastom broja provedenih testova raste vjerojatnost da će
barem jedan od njih rezultirati pogreškom tipa I (npr. provodimo li 5 SKUPINA: 
nezavisnih testova na razini rizika 5%, vjerojatnost da će barem jedan Punkeri 5
od njih rezultirati pogreškom tipa I iznosi 0.226; za 10 nezavisnih Skinheadsi 95
testova ta vjerojatnost iznosi .401 itd.; taj problem u statistici je poznat
kao experimentwise error rate ili familywise error rate) [za detalje vidjeti Metalci 13
u 10PA Dodatak – Experimentwise error rate] Rapperi 12
Hip–hoperi 9
ZAKLJUČAK: t–test nije ni praktičan niti statistički primjeren postupak Raveri 20
za testiranje statističke značajnosti razlike među aritmetičkim
Navijačke skupine 91
sredinama triju ili više uzoraka

U takvim se situacijama koristi statistički postupak (test) razvijen za tu

namjenu: analiza varijance (ANOVA) Zanima nas
• jesu li prosječni rezultati navedenih supkulturnih skupina na skali
Primjenom ANOVA-e statistička značajnost razlika prosjeka triju ili više agresivnosti statistički značajno različiti
uzoraka na nekoj varijabli procjenjuje se testiranjem samo jedne H0
• tj.: mogu li se – uz određenu vjerojatnost – razlike u aritmetičkim
Usprkos nazivu procedure, analizom varijance testiramo nultu hipotezu da sredinama skupina izmjerene na uzorcima generalizirati i na
su aritmetičke sredine populacija (iz kojih dolaze naši uzorci) jednake: populacije iz kojih su uzorci selektirani
H0: µ 1 = µ 2 = µ 3 (…) = µ k
PREDAVANJE 10A – ANALIZA VARIJANCE 1 PREDAVANJE 10A – ANALIZA VARIJANCE 2
 Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.) Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.)

Slična opća ideja t–testa i analize varijance:
t–test
• testiranje razlike između aritmetičkih sredina dvaju uzoraka (1 – 2)
usporedbom te razlike s varijacijama unutar uzoraka (standardna
pogreška razlike aritmetičkih sredina)
• ako je razlika aritmetičkih sredina uzoraka velika u odnosu na varijacije
unutar uzoraka (tj. ako je njihov omjer – t–omjer – dovoljno velik u odnosu
na neku graničnu, kritičnu vrijednost), razlika je statistički značajna
Varijabilitet svakog pojedinog rezultata može se rastaviti na dvije
komponente:
• odstupanje rezultata od aritmetičke sredine uzorka (varijabilitet unutar
uzorka)
• odstupanje aritmetičke sredine uzorka (u koji spada dani rezultat) od
zajedničke (ukupne, totalne) aritmetičke sredine svih rezultata u svim
uzorcima (varijabilitet između uzoraka)

Analiza varijance

• razlike (varijacije) između aritmetičkih sredina više uzoraka uspoređuju se

s varijacijama unutar uzoraka

• ako su varijacije aritmetičkih sredina uzoraka velike u odnosu na varijacije

rezultata unutar uzoraka (tj. ako je njihov omjer – F–omjer – dovoljno velik
u odnosu na neku graničnu, kritičnu vrijednost) razlika je statistički
značajna

Logika analize varijance: rastaviti ukupni varijabilitet "zavisne" varijable na

dva dijela:  = 167
+ 5 (varijabilitet grupe,
• varijabilitet između uzoraka dio rezultata X
• varijabilitet unutar uzoraka protumačen
pripadanjem određenoj
Što je varijabilitet između uzoraka veći u odnosu na varijabilitet unutar grupi)
uzoraka, to je vjerojatnije da uzorci nisu iz iste populacije (tj. da nisu iz + 4 (specifičnost X, dio
populacija s istim aritmetičkim sredinama) rezultata X koji nije
protumačen
pripadanjem određenoj
grupi)

Kvadriramo li (zanima nas veličina odstupanja, ne i smjer!) i zbrojimo

odstupanja svakoga rezultata od ukupne aritmetičke sredine, dobit ćemo
UKUPNU/TOTALNU SUMU KVADRATA, koja se također može analogno
rastaviti na dvije komponente:

• SUMU KVADRATA UNUTAR UZORAKA

• SUMU KVADRATA IZMEĐU UZORAKA

PREDAVANJE 10A – ANALIZA VARIJANCE 3 PREDAVANJE 10A – ANALIZA VARIJANCE 4

 Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.) Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.)

PRIMJER: 2. DRUGI KORAK ANALIZE VARIJANCE:

Na intervalnoj “skali životne sreće” izmjereni su rezultati 15 studenata i Treba izračunati pokazatelj kojim se i inače izražava varijabilitet – varijancu –
studentica (po pet s društveno–humanističkih, tehničkih i medicinsko– i to tako da sume kvadrata podijelimo s odgovarajućim brojem stupnjeva
biotehnoloških fakulteta). Zanima nas postoji li između osoba s različitih slobode
fakulteta statistički značajna razlika u prosječnom rezultatu na skali.
Tako dobivene (procijenjene) varijance u analizi varijance se nazivaju
SREDNJIM KVADRATIMA:
1. PRVI KORAK ANALIZE VARIJANCE:

Izračunavanje sume kvadrata unutar grupa i sume kvadrata između SREDNJI KVADRAT IZMEĐU UZORAKA
grupa
SRKIG = SUKIG / dfIG
SUMA KVADRATA • dfIG = k – 1
UNUTAR IZMEĐU
X UKUPNA
GRUPA GRUPA
38 16 49 9 SREDNJI KVADRAT UNUTAR UZORAKA
42 0 49 49
SRKUG = SUKUG / dfUG
DH 43 1 49 64 DH = 42
43 1 49 64 • dfUG = NTOT – k
44 4 49 81
30 4 9 25
SRKIG = 370 / 2 = 185
32 0 9 9
TEH 32 0 9 9 TEH = 32 SRKUG = 116 / 12 = 9.67
32 0 9 9
34 4 9 1
26 25 16 81 3. TREĆI KORAK ANALIZE VARIJANCE:
27 16 16 64
MB 31 0 16 16 MB = 31 Izračunati omjer varijance između i varijance unutar uzoraka (F–omjer):
34 9 16 1
SRK IG
37 36 16 4 F=
SRK UG
TOT = 35 SUKUG = 116 SUKIG = 370 SUKTOT = 486

SUKTOT = SUKUG + SUKIG 185

F= = 19.13
9.67
Dobivene sume kvadrata još nisu podesne za procjenu omjera varijabiliteta
između i unutar uzoraka, jer na iznos sume kvadrata utječe i broj rezultata, a
ne samo veličina odstupanja

PREDAVANJE 10A – ANALIZA VARIJANCE 5 PREDAVANJE 10A – ANALIZA VARIJANCE 6

 Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.) Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.)

4. ČETVRTI KORAK ANALIZE VARIJANCE: PRETPOSTAVKE ANALIZE VARIJANCE:

Odrediti kritični tablični F–omjer za odgovarajući broj dfIG (k – 1; u stupcima • "zavisna" varijabla je kvantitativna (imamo li ordinalnu "zavisnu"
tablice) i dfUG = (NTOT – k; u redovima tablice) na željenoj razini rizika varijablu rabimo neparametrijske procedure – npr. Kruskal–Wallis H test)

α = .05 • rezultati svakog uzorka su približno normalno distribuirani

FKRIT (2,12) = 3.89
• uzorci su slučajni i nezavisni (za zavisne uzorke koriste se zasebne
procedure – parametrijski Repeated Measures ANOVA test, Friedmanov
5. PETI KORAK ANALIZE VARIJANCE neparametrijski test)

Prihvatiti ili odbaciti H0 • varijance uzoraka su homogene – homogenost varijanci treba

testirati prije provođenja analize varijance po istom obrascu kao i kod
H0: µDH = µTEH = µMB t–testa (pri računanju F–omjera u brojnik valja staviti najveću, a u nazivnik
najmanju varijancu)
F > FKRIT (2,12) – odbacujemo H0 – prosjeci uzoraka se statistički značajno
razlikuju (uzorci ne dolaze iz populacija jednakih aritmetičkih sredina)
Analiza varijance je "robusna" procedura – daje upotrebljive rezultate i
onda kad varijance nisu homogene i kad distribucije rezultata umjereno
F–omjer maloga iznosa: odstupaju od normalne distribucije, ali samo ako su uzorci jednake ili vrlo
slične veličine i ako su im slične distribucije (no, pri "kršenju" pretpostavki
• varijanca između uzoraka približno je jednaka varijanci unutar uzoraka analize varijance nije dobro pretjerivati!)
• "nezavisna" varijabla tumači mali dio varijance "zavisne" varijable
U slučaju nehomogenih varijanci bolje je koristiti testove razvijene upravo
F–omjer velikoga iznosa: za takvu situaciju (Brown-Forsytheov test, Welchov test) ili neparametrijske
• varijanca između uzoraka (znatno) je veća od varijance unutar uzoraka testove (npr. Kruskal-Wallis H test)!
• "nezavisna" varijabla tumači znatan dio varijance "zavisne" varijable
U slučaju jače asimetrije distribucija, također je bolje koristiti
VARIJANCA IZMEĐU UZORAKA: protumačena varijanca neparametrijske testove
VARIJANCA UNUTAR UZORAKA: neprotumačena varijanca Osim jednostavne ("jednosmjerne") analize varijance koju smo ovdje
opisali (One–Way ANOVA), postoji i multivarijatna analiza varijance
(MANOVA) kojom se testira istovremeni utjecaj više "nezavisnih" varijabli na
6. ŠESTI KORAK ANALIZE VARIJANCE
"zavisnu"
Tablična prezentacija analize varijance:

Suma kvadrata df Srednji kvadrat F p

Između grupa 370 2 185
Unutar grupa 116 12 9.67 19.13 p < .05
Total 486 14

PREDAVANJE 10A – ANALIZA VARIJANCE 7 PREDAVANJE 10A – ANALIZA VARIJANCE 8

 Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.) Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.)

DODATAK: ŠTO ZAPRAVO RADIMO U ANALIZI VARIJANCE? DODATAK:

Prema: Blalock, Jr., Hubert M. (1980). Social Statistics. London etc.: McGraw Hill.
(str. 242–244.)
F–DISTRIBUCIJE ZA RAZLIČIT BROJ STUPNJEVA SLOBODE

U analizi varijance zapravo vršimo dvije međusobno nezavisne procjene

varijance populacije

PRVA PROCJENA je analogna pooled variance estimate kod t–testa (zato je

pretpostavka da su varijance homogene uvjet za provođenje analize
varijance!) – riječ je o ponderiranom prosjeku varijanci pojedinih uzoraka

Ta procjena varijance populacije vrši se na temelju variranja rezultata oko

aritmetičkih sredina uzoraka i uvijek je nepristrana, bez obzira na to
kolike su razlike aritmetičkih sredina uzoraka

DRUGA PROCJENA temelji se na varijanci aritmetičkih sredina uzoraka

tretiranih kao da je riječ o individualnim rezultatima

Ta procjena varijance populacije vrši se na temelju variranja aritmetičkih

sredina uzoraka oko ukupne aritmetičke sredine

Ta će procjena biti nepristrana samo ako su aritmetičke sredine

populacija doista jednake (ako je točna nulta hipoteza analize varijance);
tada očekujemo da će aritmetičke sredine uzoraka varirati prema
centralnom graničnom teoremu

Ako su, pak, prosjeci populacija različiti, očekujemo da će se

aritmetičke sredine uzoraka razlikovati više nego u slučaju da su
prosjeci populacija jednaki

Analiza varijance temelji se na usporedbi (omjeru) tako dobivenih dvaju

procjena varijance populacije:
• ako je nulta hipoteza točna, obje će procjene varijance populacije biti
slična iznosa, pa će F–omjer biti blizak jedinici F(1,dfN) = t2(dfN)
• ako nulta hipoteza nije točna, procijenjena varijanca između uzoraka ako imamo samo 2 nezavisna uzorka:
bit će najvjerojatnije veća nego procijenjena varijanca unutar uzoraka, pa df u analizi varijance: između grupa = k–1 = 2–1 = 1; unutar grupa N–k
će F–omjer biti veći od jedinice df u t–testu: N1+N2–2 = N–2 = N–k
Dakle: statističku značajnost razlike dvaju nezavisnih uzoraka
homogenih varijanci možemo testirati i analizom varijance – ishod testa
će biti identičan ishodu t–testa

PREDAVANJE 10A – ANALIZA VARIJANCE 9 PREDAVANJE 10A – ANALIZA VARIJANCE 10

 Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.) Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.)

DODATAK: FORMULE ZA ANALIZU VARIJANCE TESTOVI MULTIPLE KOMPARACIJE

SUMA KVADRATA DEFINICIJA RAČUNSKE FORMULE Ako je F–omjer u analizi varijance statistički značajan, znamo da je malo
vjerojatno da je razlika među aritmetičkim sredinama uzoraka slučajna
SUK TOT = (NTOT − 1) s 2TOT
Ukupna SUK TOT = Σ (X − XTOT ) 2
SUK TOT = ( ΣX 2 ) − ( NTOT X TOT
2
) Zaključujemo da se neke populacije (populacijske skupine) vjerojatno
razlikuju u prosječnim rezultatima, ali ne znamo koje se sve populacije
( ) [Σ (NN X )] razlikuju
2
SUKIG = Σ k Nk X k2 − k k k

SUKIG = Σ Nk ( Xk − X TOT ) 2
TOT
Između grupa
Testovi multiple komparacije
( )
SUK IG = Σ k Nk X k2 − NTOT X TOT
2

• služe za testiranje razlike među svim parovima uzoraka

SUKUG = Σ (X − Xk ) SUKUG = Σk (Nk − 1) • možemo utvrditi među kojim sve uzorcima postoje statistički značajne
2
Unutar grupa s k2
razlike
X pojedini slučaj (rezultat)
• korekcija pogreške koja bi se javila korištenjem niza t–testova
 k, s k, N k aritmetička sredina, standardna devijacija i broj • testovi a priori (prije provedbe analize varijance) i
slučajeva za grupu k testovi a posteriori / post hoc (nakon provedbe analize varijance)

TOT, sTOT, NTOT ukupna aritmetička sredina, standardna devijacija i

broj slučajeva U statističkim računalnim programima mogu se naći dvije vrste post–hoc
testova:
Σk sumacija po jedne vrijednosti za svaku od k grupa • oni koje primjenjujemo uz pretpostavku homogenosti varijanci
• oni koje primjenjujemo uz pretpostavku nehomogenosti varijanci
Σ sumacija po jedne vrijednosti za svaki od NTOT
slučajeva u uzorku
Poznatiji post hoc testovi za homogene varijance:
• Scheffé
SUK IG
Srednji kvadrat između grupa SRK IG = • Bonferroni
k −1
• Tukey
SUK UG
Srednji kvadrat unutar grupa SRK UG = • Duncan
NTOT − k

Poznatiji post hoc testovi za nehomogene varijance:

SRK IG • Tamhane's T2
F df IG
dfUG =
SRK UG • Dunnett's T3
• Dunnett's C
• Games–Howell

PREDAVANJE 10A – ANALIZA VARIJANCE 11 PREDAVANJE 10A – ANALIZA VARIJANCE 12

 Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.) Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.)

SCHEFFÉOV TEST POSTUPAK:

Doskora najčešće korišten test u slučaju homogenih varijanci uzoraka; 0 Pretpostavke: proveli smo analizu varijance te znamo iznos
u novije vrijeme učestalo se koristi Bonferronijev test srednjeg kvadrata unutar uzoraka; varijance su homogene

Konzervativan (strog) test: 1 Izračunati vrijednost izraza DS prema formuli:

• moguće je da dobijemo statistički značajan F–omjer u analizi varijance, a
da Schefféov test ne pokaže da se prosjeci bilo koja dva uzorka statistički
značajno razlikuju na onoj razini rizika na kojoj je provedena analiza ⎛ 1 1 ⎞
varijance! D S = SRK UG × (k − 1) × F × ⎜⎜ + ⎟⎟
N
⎝ 1 N 2 ⎠

PRIMJER PROVEDBE SCHEFFÉOVA TESTA gdje je:

UZORAK (GRUPA) 1 UZORAK (GRUPA) 2 UZORAK (GRUPA) 3 SRKUG – srednji kvadrat unutar uzoraka

3 5 1 k – broj uzoraka
F – kritična tablična F vrijednost na željenoj razini rizika i za
1 3 1 odgovarajući broj stupnjeva slobode
7 2 N1, N 2 – broj slučajeva (ispitanika) u uzorcima koje se testiraju

3
U našem primjeru imamo:
3
SRKUG = 2.0
k =3
SUKIG = 18.9 dfIG = 2 SRKIG = 9.45 F = 4.74 (za α = 0.05, dfIG = 2, dfUG = 7)
SUKUG = 14.0 dfUG = 7 SRKUG = 2.0 N1 = 3 (broj ispitanika u drugom uzorku)
N2 = 5 (broj ispitanika u trećem uzorku)
U1 = 2.0 U2 = 5.0 U3 = 2.0
pa je, dakle:
Zanima nas je li razlika aritmetičkih sredina 2. i 3. uzorka statistički
značajna ⎛ 1 1 ⎞
D S = SRK UG × (k − 1) × F × ⎜⎜ + ⎟⎟
⎝ N1 N 2 ⎠

⎛ 1 1⎞
D S = 2.0 × (3 − 1) × 4.74 × ⎜ + ⎟
⎝3 5⎠

D S = 2.0 × 2 × 4.74 × 0.53 = 10.05 = 3.17

PREDAVANJE 10A – ANALIZA VARIJANCE 13 PREDAVANJE 10A – ANALIZA VARIJANCE 14

 Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.) Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.)

2 Izračunati razliku među aritmetičkim sredinama uzoraka (D) PRIMJER IZ LITERATURE

U našem primjeru imamo:

Civilnost:
U2 = 5.0 U3 = 2.0
D=3 "… u ovom je radu civilnost operacionalizirana kao kumulativna
vrijednost na varijablama reciprociteta, percepcije jednakosti pred
3 Donijeti odluku: ako je razlika među testiranim aritmetičkim zakonom i važnosti građanske participacije"
sredinama (D) veća od DS, razlika među tim uzorcima je
statistički značajna
Varijable:

U našem primjeru imamo: • "Na uslugu uvijek nastojim uzvratiti uslugom" (intenzitet slaganja)
• "Zakoni nikada ne mogu jednako važiti za sve" (intenzitet neslaganja)
D < DS • "Ljudima valja omogućiti veći utjecaj na važne odluke vlasti" (intenzitet
slaganja)
pa, stoga, razlika aritmetičkih sredina drugog i trećeg uzorka nije Varijablama je pridružena ljestvica procjene od 5 stupnjeva.
statistički značajna na razini rizika 5%

CIVILNOST
DOBNE SKUPINE
Još jednostavnije: aritmetičke sredine:

18–29 godina 12.02

Omjer:
30–50 godina 12.37

X1 − X 2 stariji od 50 godina 11.84

DS F = 4.03, p < 0.05

Post hoc usporedba (Tuckey's HSD test) C≠B
mora biti veći od 1 da bi razlika bila statistički značajna

"Prema teorijskom očekivanju, civilnost bi, uzimajući u obzir

sociokulturno naslijeđe prošlog sustava, trebala biti izraženija u mlađih
ispitanika. Rezultati u tablici to potvrđuju."

Je li interpretacija rezultata testa potpuno valjana?

PREDAVANJE 10A – ANALIZA VARIJANCE 15 PREDAVANJE 10A – ANALIZA VARIJANCE 16

 Krešimir Kufrin & Ivan Landripet: OSNOVE SOCIOLOŠKE STATISTIKE (Odsjek za sociologiju FFZG, ak. god. 2018./2019.)

ANALIZA VARIJANCE
TREBA ZNATI:

T–test i analiza varijance – sličnosti i razlike

"Zavisna" i "nezavisna" varijable u analizi varijance
Logika analize varijance
Dvije procjene varijance populacije
Rastavljanje varijabiliteta na komponente
Varijabilitet između uzoraka
Varijabilitet unutar uzoraka
Ukupna suma kvadrata
Suma kvadrata unutar uzoraka
Suma kvadrata između uzoraka
Srednji kvadrat unutar uzoraka
Srednji kvadrat između uzoraka
F–omjer
Nulta hipoteza analiza varijance
Protumačena varijanca
Neprotumačena varijanca
Pretpostavke analize varijance
Jednostavna i multivarijatna analiza varijance
Testovi multiple komparacije
Post hoc testovi
Testovi a priori i a posteriori
Schefféov test

PREDAVANJE 10A – ANALIZA VARIJANCE 17