ANOVA Welcha - kiedy zamiast klasycznej ANOVA, przykład i test Games-Howella

ANOVA Welcha to wersja jednoczynnikowej analizy wariancji, która porównuje średnie trzech lub więcej niezależnych grup bez założenia, że wariancje w grupach są równe. Stosujesz ją, gdy grupy różnią się rozproszeniem wyników, zwłaszcza przy nierównych liczebnościach, a po istotnym wyniku sprawdzasz pary testem Games-Howella.

Ogólną logikę analizy wariancji, statystykę F i miary efektu opisuje wpis ANOVA jednoczynnikowa i testy post hoc. Tutaj skupiamy się na samej ANOVA Welcha: kiedy jest potrzebna, jak się ją liczy, jak zinterpretować wynik na przykładzie z nierównymi grupami, czym różni się od testu Browna-Forsythe'a i jak zapisać wszystko w APA 7.

Czym jest ANOVA Welcha

Klasyczna ANOVA liczy jedną wspólną wariancję wewnątrzgrupową i zakłada, że pasuje ona do każdej grupy. Gdy jedna grupa ma wyniki bardzo rozproszone, a inna skupione, to założenie przestaje działać. Bernard Welch (1951) zaproponował test, w którym każda grupa jest ważona odwrotnością wariancji swojej średniej, czyli n_j / s_j². Grupa liczna i jednorodna ma dużą wagę, bo jej średnia jest dokładna. Grupa mała i rozproszona ma wagę małą, bo jej średnia jest niepewna.

To ta sama idea co w teście t Welcha dla dwóch grup, rozszerzona na dowolną liczbę grup. Jeśli znasz ten test z wpisu o teście t-Studenta dla prób niezależnych, ANOVA Welcha jest jego naturalnym odpowiednikiem przy trzech i więcej grupach.

Kiedy stosować ANOVA Welcha

• Test Levene'a wskazuje na niejednorodność wariancji (p < 0,05).
• Największe odchylenie standardowe jest wyraźnie większe od najmniejszego, na przykład dwukrotnie, nawet gdy test Levene'a przy małej próbie nie wychodzi istotny.
• Grupy mają nierówne liczebności, bo wtedy niejednorodność wariancji szkodzi klasycznej ANOVA najbardziej.
• Nie masz pewności, czy wariancje są równe, i chcesz procedury, która działa w obu sytuacjach.

Ostatni punkt to dziś coraz częstsze zalecenie. Delacre, Leys, Mora i Lakens (2019) pokazali w symulacjach, że przy równych wariancjach test Welcha traci względem klasycznego F bardzo mało mocy, a przy nierównych chroni przed błędnymi wnioskami. Kierunek błędu klasycznej ANOVA zależy od układu danych: gdy większą wariancję ma mniejsza grupa, test jest zbyt liberalny i za często daje wynik istotny; gdy większą wariancję ma grupa liczniejsza, staje się zbyt zachowawczy. Jak samo sprawdzenie równości wariancji wygląda w praktyce, opisuje wpis o teście Levene'a.

Założenia ANOVA Welcha

• Niezależne grupy i niezależne obserwacje: każda osoba w jednej grupie, mierzona raz.
• Zmienna zależna ilościowa.
• Rozkład zmiennej w każdej grupie zbliżony do normalnego. Test jest dość odporny na umiarkowane odstępstwa, ale przy kilkunastu osobach w grupie i silnej skośności lepiej rozważyć test rangowy.

Welch usuwa tylko jedno założenie: równość wariancji. Nie zastępuje testu nieparametrycznego i nie naprawia danych porządkowych ani silnie skośnych. Kiedy przejść na test rangowy, wyjaśniamy we wpisie o testach parametrycznych i nieparametrycznych.

Jak liczy się F Welcha

Dla k grup o liczebnościach n_j, średnich M_j i wariancjach s_j²:

w_j = n_j / s_j², W = Σ w_j
M_w = Σ w_jM_j / W (średnia ważona)
A = Σ w_j(M_j - M_w)² / (k - 1)
Λ = Σ (1 - w_j/W)² / (n_j - 1)
F_W = A / [1 + 2(k - 2)Λ / (k² - 1)]
df₁ = k - 1, df₂ = (k² - 1) / (3Λ)

Licznik A to ważona zmienność średnich wokół średniej ważonej. Mianownik koryguje statystykę o niepewność oszacowania wariancji, a mianownikowe stopnie swobody df₂ zwykle nie są liczbą całkowitą. Im bardziej wariancje i liczebności się różnią, tym df₂ jest mniejsze od N - k z klasycznej ANOVA.

ANOVA Welcha: przykład

Przykładowe dane: wynik skali stresu zawodowego (0-40 pkt) u 46 ratowników medycznych pracujących w trzech systemach dyżurów. System 8-godzinny (n = 20): 14, 14, 15, 15, 16, 16, 16, 17, 17, 17, 18, 18, 18, 18, 19, 19, 19, 20, 21, 23. System 12-godzinny (n = 16): 17, 17, 18, 19, 19, 19, 20, 20, 21, 22, 22, 22, 23, 24, 25, 26. System 24-godzinny (n = 10): 8, 16, 17, 20, 20, 22, 31, 32, 33, 38.

Najmniejsza grupa ma odchylenie standardowe od trzech do czterech razy większe niż pozostałe: część ratowników z dyżurami dobowymi radzi sobie dobrze, część wyraźnie gorzej. Test Shapiro-Wilka nie wykazał odstępstw od normalności w żadnej grupie (wszystkie p > 0,60), ale test Levene'a (wersja z medianą) jest wyraźnie istotny: F(2, 43) = 13,72, p < 0,001. To sytuacja, w której klasyczna ANOVA jest niewiarygodna.

1. Wagi: grupa 24-godzinna dostaje wagę 0,11, czyli ponad 30 razy mniejszą niż grupa 8-godzinna.
2. Średnia ważona: M_w = 18,82. Dla porównania zwykła średnia wszystkich 46 osób to 20,02. Średnia ważona leży bliżej grup, których średnie są oszacowane precyzyjnie.
3. Licznik: A = 9,16. Poprawka w mianowniku: Λ = 0,142, więc mianownik wynosi 1,035.
4. Statystyka: F_W = 9,16 / 1,035 = 8,85 przy df₁ = 2 i df₂ = 8 / (3 · 0,142) = 18,78.
5. Wynik: p = 0,002.

ANOVA Welcha: interpretacja

Wynik F(2; 18,78) = 8,85, p = 0,002 oznacza, że średni poziom stresu różni się między systemami dyżurów. Mianownikowe stopnie swobody (18,78 zamiast 43) pokazują, jak mocno nierówne wariancje ograniczają ilość informacji: test zachowuje się tak, jakby w danych było mniej niezależnych obserwacji, niż jest osób.

Wielkość efektu raportuje się zwykle z sum kwadratów klasycznej analizy: η² = 0,21, a mniej obciążone ω² = 0,17. Według umownych progów (0,01 mały, 0,06 średni, 0,14 duży) to efekt duży. Przy silnie niejednorodnych wariancjach traktuj te liczby jako orientacyjne i opisuj różnice także w jednostkach skali, na przykład „średnio o 3,4 pkt”.

Zwróć uwagę na test Browna-Forsythe'a. Też nie zakłada równych wariancji, ale waży grupy inaczej, a przy grupie małej i bardzo rozproszonej traci moc, co widać w przykładzie (p = 0,064). Symulacje Delacre i współpracowników wskazują, że w typowych sytuacjach Welch kontroluje błąd I rodzaju i zachowuje moc lepiej, dlatego to jego wynik raportuje się jako główny. Nie wybieraj testu po tym, który daje mniejsze p; decyzję o Welchu podejmujesz na podstawie wariancji, przed analizą.

Test Games-Howella po ANOVA Welcha

Istotny wynik Welcha mówi tylko, że gdzieś jest różnica. Które pary systemów się różnią, pokazuje test post hoc. Przy nierównych wariancjach właściwy jest test Games-Howella (Games i Howell, 1976): dla każdej pary liczy błąd standardowy z wariancji tylko tych dwóch grup, koryguje stopnie swobody jak w teście t Welcha i kontroluje łączny błąd I rodzaju dla wszystkich porównań. Test Tukeya korzysta natomiast ze wspólnej wariancji wszystkich grup.

Oba testy wskazują inne pary i tylko jeden z nich odpowiada danym. Tukey używa wspólnego błędu standardowego (od 1,6 do 2,0 zależnie od pary), więc największa różnica średnich, 6,20 pkt między dyżurami dobowymi a 8-godzinnymi, wychodzi istotna. Tyle że średnia grupy 24-godzinnej jest bardzo niepewna: dziesięć osób z wynikami od 8 do 38 pkt. Games-Howell uwzględnia to i podaje dla tej pary błąd standardowy 3,01, więc różnicy nie da się potwierdzić. Z kolei różnica 3,38 pkt między dwiema jednorodnymi grupami ma błąd standardowy zaledwie 0,86 i jest wyraźnie istotna.

Wniosek merytoryczny: ratownicy w systemie 12-godzinnym deklarowali wyższy stres niż w systemie 8-godzinnym. W systemie dobowym wyniki były bardzo zróżnicowane i ten zróżnicowany obraz sam w sobie jest wynikiem wartym opisania w dyskusji. Logikę kontroli błędu przy wielu porównaniach wyjaśnia wpis o poprawce Bonferroniego; Games-Howell ma tę kontrolę wbudowaną, więc nie stosujesz już dodatkowej poprawki.

ANOVA Welcha czy test Kruskala-Wallisa?

Studenci często przechodzą na test Kruskala-Wallisa, gdy tylko test Levene'a wyjdzie istotny. To zły odruch. Nierówne wariancje nie są powodem do porzucenia średnich, a test rangowy też jest wrażliwy na różnice w rozproszeniu: przy różnych kształtach rozkładów jego wynik nie dotyczy już samego położenia grup. W przykładzie Kruskal-Wallis daje H(2) = 11,67, p = 0,003, ale wniosek o średnim poziomie stresu daje właśnie Welch.

Szczegóły testu rangowego znajdziesz we wpisie o teście Kruskala-Wallisa.

Jak opisać ANOVA Welcha w APA 7

Raportujesz statystyki opisowe grup, uzasadnienie wyboru Welcha (test Levene'a lub stosunek odchyleń), wynik F z ułamkowymi stopniami swobody, p, miarę efektu i porównania post hoc z nazwą testu. Stopnie swobody oddziel średnikiem, żeby przecinek dziesiętny nie mylił się z separatorem. Gotowy opis:

Ze względu na niejednorodność wariancji (test Levene'a, F(2, 43) = 13,72, p < 0,001) zastosowano jednoczynnikową analizę wariancji Welcha. System dyżurów różnicował poziom stresu zawodowego, F(2; 18,78) = 8,85, p = 0,002, η² = 0,21. Porównania post hoc testem Games-Howella wykazały, że ratownicy pracujący w systemie 12-godzinnym (M = 20,88, SD = 2,73) deklarowali wyższy stres niż pracujący w systemie 8-godzinnym (M = 17,50, SD = 2,31), p = 0,001, g = 1,32. Wyniki w systemie 24-godzinnym były silnie zróżnicowane (M = 23,70, SD = 9,39) i nie różniły się istotnie od pozostałych grup.

Ogólne zasady zapisu statystyk znajdziesz w poradniku jak zaraportować wynik testu w APA 7.

ANOVA Welcha w SPSS i jamovi

• SPSS: Analyze > Compare Means > One-Way ANOVA. W Options zaznacz Homogeneity of variance test, Welch i ewentualnie Brown-Forsythe; wynik Welcha pojawi się w tabeli Robust Tests of Equality of Means. W Post Hoc zaznacz Games-Howell w sekcji Equal Variances Not Assumed.
• jamovi: Analyses > ANOVA > One-Way ANOVA. W polu Variances wybierz Don't assume equal (Welch's), w Post-Hoc Tests zaznacz Games-Howell, a w Assumption Checks test równości wariancji.

W tabeli Robust Tests SPSS podaje statystykę Welcha w kolumnie Statistic, a stopnie swobody w kolumnach df1 i df2. Przepisz df2 z dwoma miejscami po przecinku, a nie zaokrąglaj do liczby całkowitej.

Co odpowiedzieć promotorowi

Na pytanie „dlaczego nie zwykła ANOVA?” odpowiadasz danymi: test Levene'a był istotny, a odchylenie standardowe w najmniejszej grupie było od trzech do czterech razy większe niż w pozostałych. W takim układzie klasyczne F i test Tukeya opierają się na wspólnej wariancji, która nie pasuje do żadnej z grup. Możesz dodać, że w literaturze metodologicznej Welch jest rekomendowany nawet jako wariant domyślny. Na pytanie „dlaczego dyżury dobowe nie różnią się, skoro mają najwyższą średnią?” odpowiadasz rozproszeniem wyników i małą liczebnością tej grupy.

Typowe błędy

• Raportowanie klasycznego F i testu Tukeya mimo istotnego testu Levene'a.
• Zaokrąglenie stopni swobody Welcha do liczby całkowitej albo wpisanie N - k.
• Wybór między Welchem, Brownem-Forsythe'em i klasyczną ANOVA po obejrzeniu wartości p.
• Test Games-Howella po klasycznej ANOVA albo Tukey po Welchu: test post hoc powinien zakładać to samo co test główny.
• Przejście na test Kruskala-Wallisa tylko z powodu nierównych wariancji.
• Brak statystyk opisowych grup, przez co czytelnik nie widzi, skąd wzięła się niejednorodność.

ANOVA Welcha z testem Games-Howella należy do analiz liczonych automatycznie: system sprawdza równość wariancji i dobiera wariant testu oraz post hoc do danych. Jeśli porównujesz kilka grup w swojej pracy, opisz układ badania w kreatorze wyceny, a dostaniesz propozycję analiz z ceną.

Najczęstsze pytania

Kiedy stosować ANOVA Welcha zamiast klasycznej ANOVA?

Gdy wariancje w grupach się różnią, co pokazuje istotny test Levene'a albo wyraźnie różne odchylenia standardowe, a zwłaszcza gdy grupy mają nierówne liczebności. Wielu metodologów zaleca Welcha nawet jako wariant domyślny, bo przy równych wariancjach traci niewiele mocy.

Jak interpretować wynik ANOVA Welcha?

Tak jak klasycznej ANOVA: p poniżej 0,05 oznacza, że co najmniej dwie średnie grup różnią się istotnie. Stopnie swobody mianownika są ułamkowe i to normalne. Które grupy się różnią, sprawdzasz testem post hoc Games-Howella.

Jaki test post hoc po ANOVA Welcha?

Test Games-Howella. Dla każdej pary grup liczy błąd standardowy tylko z ich wariancji i koryguje stopnie swobody, więc nie zakłada równych wariancji ani równych liczebności. Test Tukeya zakłada wspólną wariancję i do Welcha nie pasuje.

Czy ANOVA Welcha wymaga normalności rozkładu?

Tak, w przybliżeniu. Welch usuwa tylko założenie równych wariancji. Przy większych grupach umiarkowane odstępstwa od normalności nie przeszkadzają, ale przy małych grupach i silnej skośności lepiej rozważyć test Kruskala-Wallisa.

Gdzie w SPSS jest ANOVA Welcha?

W menu Analyze, Compare Means, One-Way ANOVA, w oknie Options zaznacz Welch. Wynik znajdziesz w tabeli Robust Tests of Equality of Means, a test Games-Howella w oknie Post Hoc w sekcji Equal Variances Not Assumed.