Uma análise de variância unidirecional, ou ANOVA, é um método estatístico usado para comparar as médias de mais de dois conjuntos de dados, para ver se eles são estatisticamente diferentes um do outro. O SPSS, um pacote de análise estatística, permite o uso de uma ANOVA unidirecional em seu grande conjunto de procedimentos. No entanto, a ANOVA não é um teste perfeito e, em certas circunstâncias, fornecerá resultados enganosos.
Limitações da amostra
O teste ANOVA assume que as amostras utilizadas na análise são "amostras aleatórias simples". Isso significa que uma amostra de indivíduos (pontos de dados) é retirada de uma população maior (um conjunto de dados maior). As amostras também devem ser independentes, ou seja, elas não afetam umas às outras. A ANOVA geralmente é adequada para comparar médias em estudos controlados, mas quando as amostras não são independentes, deve-se usar um teste de medidas repetidas.
Distribuição normal
A ANOVA assume que os dados nos grupos são normalmente distribuídos. O teste ainda pode ser realizado se não for o caso - e se a violação dessa suposição for apenas moderada, o teste ainda é adequado. No entanto, se os dados estiverem muito distantes da distribuição normal, o teste não fornecerá resultados precisos. Para contornar isso, transforme os dados com a função "Compute" do SPSS antes de executar a análise ou use um teste alternativo, como um teste de Kruskal-Wallace.
Desvios padrão iguais
Outra limitação da ANOVA é que ela assume que os grupos têm os mesmos, ou muito semelhantes, desvios padrão. Quanto maior a diferença nos desvios padrão entre os grupos, maior a chance de que a conclusão do teste seja imprecisa. Como a suposição de distribuição normal, isso não é um problema, desde que os desvios padrão não sejam muito diferentes e os tamanhos das amostras de cada grupo sejam aproximadamente iguais. Se este não for o caso, um teste de Welch é uma opção melhor.
Comparações múltiplas
Quando você executa uma ANOVA no SPSS, o valor F resultante e o nível de significância apenas informam se pelo menos um grupo em sua análise é diferente de pelo menos um outro. Ele não diz quantos grupos, ou quais grupos, diferem estatisticamente. Para determinar isso, as comparações de acompanhamento devem ser realizadas. Isso raramente é um problema em análises pequenas, mas quanto maior o número de grupos incluídos no teste de acompanhamento, maior a chance de cometer um erro do tipo I, que é assumir um efeito onde não existe.
