ANOVA i testy post-hoc - po co poprawka

Jednoczynnikowa ANOVA sprawdza, czy średnie w trzech lub więcej grupach się różnią. Sam wynik ANOVA mówi „gdzieś jest różnica", ale nie wskazuje między którymi grupami - do tego służą testy post-hoc.

Dlaczego nie zrobić po prostu wielu testów t? Bo każde porównanie niesie ryzyko błędu, a przy wielu porównaniach to ryzyko się kumuluje. Poprawki (Tukey, Bonferroni, Games-Howell) kontrolują ten narastający błąd. Do ANOVA raportuj też wielkość efektu (eta kwadrat).

Przykład: porównujesz wynik w trzech kierunkach studiów. Istotna ANOVA mówi, że gdzieś jest różnica; dopiero test Tukeya pokazuje, że różnią się np. kierunek A i C, ale A i B już nie. Typowy błąd to zrobienie trzech osobnych testów t, co zawyża ryzyko fałszywego wykrycia różnicy.

Wskazówka: gdy wariancje są nierówne (test Levene istotny), zamiast klasycznej ANOVA rozważ poprawkę Welcha i test post-hoc Games-Howell. Raportuj F(df1, df2) = wartość, p = wartość i eta kwadrat, a następnie wyniki porównań post-hoc.

ANOVA z testami post-hoc to standard przy porównywaniu trzech i więcej grup. Jeśli masz taki plan i nie wiesz, którą poprawkę zastosować (Tukey, Bonferroni, Games-Howell), opisz dane w kreatorze albo zleć analizę w konfiguratorze - dobór post-hoc i miary efektu bierzemy na siebie.