Η Two-Way ANOVA στο SPSS εξετάζει την επίδραση δύο κατηγορικών παραγόντων πάνω σε μία ποσοτική μεταβλητή. Παράλληλα εξετάζει κάτι ακόμη σημαντικότερο: την αλληλεπίδρασή τους. Η αλληλεπίδραση δείχνει αν η επίδραση του πρώτου παράγοντα αλλάζει ανάλογα με τον δεύτερο. Για αυτό δεν πρέπει να διαβάζεις μηχανικά μόνο τις δύο κύριες επιδράσεις. Πρέπει πρώτα να ελέγξεις αν υπάρχει στατιστικά σημαντική αλληλεπίδραση.
Περιεχόμενα άρθρου
1. Πότε χρησιμοποιείται η Two-Way ANOVA στο SPSS;
Η Two-Way ANOVA αποτελεί παραγοντική ανάλυση διακύμανσης. Χρησιμοποιείται όταν έχεις δύο κατηγορικές ανεξάρτητες μεταβλητές. Η εξαρτημένη μεταβλητή πρέπει να είναι ποσοτική.
Ας υποθέσουμε ότι εξετάζεις την επίδοση φοιτητών. Ο πρώτος παράγοντας μπορεί να είναι η μέθοδος διδασκαλίας. Ο δεύτερος μπορεί να είναι το επίπεδο σπουδών.
Η μέθοδος διδασκαλίας μπορεί να έχει δύο επίπεδα. Για παράδειγμα, μπορεί να υπάρχει συμβατική και ψηφιακή διδασκαλία. Το επίπεδο σπουδών μπορεί επίσης να έχει δύο κατηγορίες.
Η Two-Way ANOVA απαντά σε τρία διαφορετικά ερευνητικά ερωτήματα. Πρώτα εξετάζει αν η μέθοδος διδασκαλίας επηρεάζει την επίδοση. Μετά εξετάζει αν υπάρχει επίδραση του επιπέδου σπουδών.
Το τρίτο ερώτημα αφορά την αλληλεπίδραση. Εξετάζει αν η επίδραση της διδασκαλίας αλλάζει ανάλογα με το επίπεδο σπουδών. Αυτό είναι το ιδιαίτερο πλεονέκτημα της παραγοντικής ANOVA.
Αν χρησιμοποιούσες δύο ξεχωριστές One-Way ANOVA, δεν θα εξέταζες σωστά αυτό το ερώτημα. Θα έβλεπες κάθε παράγοντα χωριστά. Θα έχανες όμως τη μεταξύ τους σχέση.
Η Two-Way ANOVA που περιγράφουμε εδώ αφορά ανεξάρτητες ομάδες. Αν τα ίδια άτομα μετρώνται επανειλημμένα, χρειάζεται διαφορετικός σχεδιασμός.
2. Πώς στήνεται η Two-Way ANOVA στο SPSS και ποιες προϋποθέσεις ελέγχεις;
Στο SPSS η διαδικασία ξεκινά από Analyze > General Linear Model > Univariate. Δεν χρησιμοποιείς το μενού One-Way ANOVA. Η Two-Way ANOVA ανήκει στο γενικό γραμμικό μοντέλο.
Τοποθέτησε την ποσοτική έκβαση στο Dependent Variable. Οι δύο κατηγορικές μεταβλητές τοποθετούνται στο Fixed Factor(s).
Για μια τυπική Two-Way ANOVA διατηρείς το Full Factorial model. Έτσι το SPSS περιλαμβάνει τις δύο κύριες επιδράσεις. Περιλαμβάνει επίσης τον όρο αλληλεπίδρασης.
Το Vrije Universiteit Amsterdam επισημαίνει ότι το SPSS δημιουργεί αυτόματα τον όρο αλληλεπίδρασης όταν χρησιμοποιούνται οι σχετικοί παράγοντες. Μπορείς να δεις το Methods Helpdesk του Vrije Universiteit Amsterdam.
Πριν ερμηνεύσεις τα αποτελέσματα, πρέπει να εξετάσεις τις προϋποθέσεις. Οι παρατηρήσεις πρέπει πρώτα να είναι ανεξάρτητες. Αυτό εξαρτάται κυρίως από τον ερευνητικό σχεδιασμό.
Χρειάζεται επίσης να εξετάσεις την κατανομή των υπολοίπων. Η κανονικότητα αφορά πρακτικά τα κατάλοιπα του μοντέλου. Ιδιαίτερη προσοχή χρειάζονται πολύ έντονες αποκλίσεις.
Για σχετικό έλεγχο μπορείς να συμβουλευτείς τον οδηγό για τον έλεγχο κανονικότητας στο SPSS. Τα διαγράμματα Q-Q βοηθούν στην οπτική αξιολόγηση.
Η ομοιογένεια των διακυμάνσεων εξετάζεται συνήθως με τον Levene. Μπορείς να ενεργοποιήσεις το Homogeneity tests από τις επιλογές της ανάλυσης.
Αν Levene p ≥ 0,05, δεν προκύπτει ένδειξη σημαντικής παραβίασης. Αν p < 0,05, χρειάζεται προσεκτικότερη αξιολόγηση της αξιοπιστίας του μοντέλου.
Έλεγξε επίσης τα μεγέθη των επιμέρους ομάδων. Πολύ μικρές ομάδες μπορούν να κάνουν την εκτίμηση ασταθή. Το πρόβλημα γίνεται μεγαλύτερο όταν κάποιες ομάδες έχουν ελάχιστες παρατηρήσεις.
3. Τι σημαίνουν οι κύριες επιδράσεις στην Two-Way ANOVA;
Η πρώτη κύρια επίδραση αφορά τον πρώτο παράγοντα. Το SPSS εξετάζει αν οι μέσοι όροι διαφέρουν μεταξύ των επιπέδων του. Η επίδραση υπολογίζεται κατά μέσο όρο ως προς τον δεύτερο παράγοντα.
Ας επιστρέψουμε στο παράδειγμα της διδασκαλίας. Έστω ότι συγκρίνουμε συμβατική και ψηφιακή μέθοδο. Η κύρια επίδραση εξετάζει τη συνολική διαφορά των δύο μεθόδων.
Σε αυτόν τον υπολογισμό συνδυάζονται τα επίπεδα του δεύτερου παράγοντα. Άρα η κύρια επίδραση περιγράφει έναν μέσο όρο πάνω στις αντίστοιχες υποομάδες.
Η δεύτερη κύρια επίδραση λειτουργεί με τον ίδιο τρόπο. Εξετάζει τον δεύτερο παράγοντα κατά μέσο όρο ως προς τον πρώτο.
Στο SPSS τα αποτελέσματα εμφανίζονται στον πίνακα Tests of Between-Subjects Effects. Κάθε παράγοντας έχει ξεχωριστή γραμμή. Εκεί βλέπεις την τιμή F και την τιμή Sig.
Αν p < 0,05, η αντίστοιχη κύρια επίδραση θεωρείται στατιστικά σημαντική. Αυτό όμως δεν σημαίνει ότι πρέπει να την ερμηνεύσεις αμέσως.
Πρέπει πρώτα να κοιτάξεις την αλληλεπίδραση. Αν η αλληλεπίδραση είναι σημαντική, η γενική κύρια επίδραση μπορεί να κρύβει διαφορετικά πρότυπα μεταξύ των υποομάδων.
Για παράδειγμα, η ψηφιακή διδασκαλία μπορεί να βοηθά πολύ τους προπτυχιακούς. Στους μεταπτυχιακούς μπορεί να μην έχει ουσιαστική επίδραση.
Ο συνολικός μέσος όρος μπορεί ακόμη να δείχνει θετική κύρια επίδραση. Αυτή όμως δεν περιγράφει σωστά τι συμβαίνει σε κάθε επίπεδο του δεύτερου παράγοντα.
4. Πώς ερμηνεύεται η αλληλεπίδραση στην Two-Way ANOVA στο SPSS;
Η αλληλεπίδραση είναι συχνά το σημαντικότερο αποτέλεσμα της Two-Way ANOVA στο SPSS. Δείχνει αν η επίδραση ενός παράγοντα εξαρτάται από τον άλλο.
Στον πίνακα Tests of Between-Subjects Effects εμφανίζεται ως συνδυασμός των δύο παραγόντων. Για παράδειγμα, μπορεί να εμφανίζεται ως Method * Level.
Αν το p της αλληλεπίδρασης είναι μεγαλύτερο από 0,05, δεν προκύπτει στατιστικά σημαντική αλληλεπίδραση. Τότε οι κύριες επιδράσεις μπορούν να ερμηνευθούν πιο άμεσα.
Αν p < 0,05, η κατάσταση αλλάζει. Η επίδραση του πρώτου παράγοντα διαφέρει ανάλογα με το επίπεδο του δεύτερου. Χρειάζεται επομένως πιο λεπτομερής ανάλυση.
Ας υποθέσουμε ότι η ψηφιακή διδασκαλία αυξάνει την επίδοση στους προπτυχιακούς. Στους μεταπτυχιακούς μπορεί να μην αλλάζει καθόλου την επίδοση. Αυτό αποτελεί παράδειγμα αλληλεπίδρασης.
Μπορεί επίσης να εμφανιστεί αντιστροφή. Η ψηφιακή μέθοδος μπορεί να βοηθά την πρώτη ομάδα. Στη δεύτερη μπορεί να έχει χαμηλότερη επίδοση από τη συμβατική.
Το διάγραμμα αλληλεπίδρασης βοηθά σημαντικά στην κατανόηση. Στο SPSS μπορείς να το δημιουργήσεις από την επιλογή Plots. Τοποθετείς έναν παράγοντα στον οριζόντιο άξονα.
Ο δεύτερος παράγοντας χρησιμοποιείται για τις ξεχωριστές γραμμές. Αν οι γραμμές είναι περίπου παράλληλες, το διάγραμμα δεν υποδηλώνει έντονη αλληλεπίδραση.
Αν οι γραμμές αποκλίνουν, υπάρχει οπτική ένδειξη αλληλεπίδρασης. Αν διασταυρώνονται, το πρότυπο μπορεί να είναι ακόμη πιο εμφανές. Το διάγραμμα όμως δεν αντικαθιστά τον στατιστικό έλεγχο.
Η τελική απόφαση βασίζεται στη γραμμή της αλληλεπίδρασης στον πίνακα αποτελεσμάτων. Το γράφημα χρησιμοποιείται για να καταλάβεις τη μορφή της.
Όταν η αλληλεπίδραση είναι σημαντική, εξετάζεις συνήθως απλές επιδράσεις. Δηλαδή ελέγχεις τον πρώτο παράγοντα ξεχωριστά μέσα σε συγκεκριμένα επίπεδα του δεύτερου.
Για παράδειγμα, μπορείς να εξετάσεις την επίδραση της διδασκαλίας μόνο στους προπτυχιακούς. Μετά κάνεις αντίστοιχο έλεγχο μόνο στους μεταπτυχιακούς.
Αυτό επιτρέπει ακριβέστερη ερμηνεία. Δεν γράφεις απλώς ότι «υπήρξε αλληλεπίδραση». Εξηγείς πώς ακριβώς αλλάζει η επίδραση μεταξύ των ομάδων.
5. Πώς γράφεις την Two-Way ANOVA στην πτυχιακή;
Η παρουσίαση πρέπει να ξεκινά με τους δύο παράγοντες. Δήλωσε επίσης ποια ποσοτική μεταβλητή αποτελεί την έκβαση. Έτσι ο αναγνώστης καταλαβαίνει αμέσως το μοντέλο.
Στη συνέχεια παρουσίασε πρώτα την αλληλεπίδραση. Αυτή η σειρά βοηθά να αποφασιστεί αν οι κύριες επιδράσεις μπορούν να ερμηνευθούν ως γενικά αποτελέσματα.
Ένα παράδειγμα είναι: «Δεν παρατηρήθηκε στατιστικά σημαντική αλληλεπίδραση μεταξύ μεθόδου και επιπέδου σπουδών, F(1, 116) = 0,84, p = 0,362».
Αφού η αλληλεπίδραση δεν είναι σημαντική, μπορείς να παρουσιάσεις τις κύριες επιδράσεις. Για παράδειγμα, μπορεί να υπάρχει σημαντική επίδραση της μεθόδου διδασκαλίας.
Μπορείς τότε να γράψεις: «Παρατηρήθηκε σημαντική κύρια επίδραση της μεθόδου, F(1, 116) = 7,21, p = 0,008».
Πρόσθεσε τους κατάλληλους μέσους όρους ώστε να φαίνεται η κατεύθυνση. Η τιμή p από μόνη της δεν δείχνει ποια κατηγορία είχε υψηλότερη επίδοση.
Στο SPSS εμφανίζεται συνήθως και το μερικό η². Ο συγκεκριμένος δείκτης χρησιμοποιείται ως μέτρο μεγέθους επίδρασης. Μπορεί να αναφερθεί μαζί με το F.
Αν η αλληλεπίδραση είναι σημαντική, χρειάζεται διαφορετική παρουσίαση. Μπορείς να γράψεις πρώτα: «Παρατηρήθηκε σημαντική αλληλεπίδραση μεταξύ των δύο παραγόντων».
Μετά δίνεις την τιμή F και την τιμή p. Στη συνέχεια περιγράφεις τις απλές επιδράσεις. Αυτές δείχνουν πού ακριβώς εμφανίζεται η αλληλεπίδραση.
Αν ένας παράγοντας έχει περισσότερα από δύο επίπεδα, μπορεί να χρειαστούν επιπλέον συγκρίσεις. Η επιλογή εξαρτάται από το συγκεκριμένο ερευνητικό ερώτημα.
Μην αντιγράψεις ολόκληρο τον πίνακα Tests of Between-Subjects Effects χωρίς ερμηνεία. Παρουσίασε τα αποτελέσματα που απαντούν στις υποθέσεις της έρευνας.
Η Two-Way ANOVA στο SPSS δεν είναι απλώς δύο One-Way ANOVA στο ίδιο μοντέλο. Η ουσιαστική προσθήκη είναι η δυνατότητα ελέγχου της αλληλεπίδρασης.
Για πιο σύνθετη ποσοτική εργασία μπορείς να δεις τη σελίδα για στατιστικές αναλύσεις. Η επιλογή του μοντέλου πρέπει πάντα να συνδέεται με τον ερευνητικό σχεδιασμό.
Χρειάζεσαι βοήθεια με την Two-Way ANOVA στο SPSS;
Αν χρειάζεσαι βοήθεια με τη στατιστική ανάλυση της πτυχιακής σου, στείλε το αρχείο δεδομένων. Στείλε επίσης τα ερευνητικά ερωτήματα και ότι άλλο έχεις στη διάθεση σου.
Μπορείς να συμβουλευτείς τις ενδεικτικές τιμές για μια πρώτη εικόνα. Η τελική κοστολόγηση εξαρτάται από τα δεδομένα. Εξαρτάται επίσης από την πολυπλοκότητα της απαιτούμενης ανάλυσης.
Για συγκεκριμένη εκτίμηση, συμπλήρωσε τη φόρμα κοστολόγησης και επισύναψε τα διαθέσιμα αρχεία. Αν χρειάζεσαι πρώτα διευκρίνιση, μπορείς να επικοινωνήσεις μαζί μας.