Variansanalyse er en av metodene som brukes i hypotesetesting. Metoden er medvirkende til å ta datadrevne beslutninger i virksomheten.
Men som de fleste begreper i matematikk, er det ofte innhyllet med sjargong og matematisk notasjon som i utgangspunktet kan virke skremmende. Denne artikkelen tar sikte på å forklare variansanalysen for deg. Så la oss komme i gang.
Innholdsfortegnelse
Introduksjon til variansanalyse (ANOVA)
Før vi begynner å diskutere ANOVA, er det viktig å definere og forklare noen få begreper for å etablere et vokabular. Så la oss starte med noen svært viktige termer: populasjon, utvalg, varians og hypotese.
Befolkning
I statistikk er en populasjon et helt sett som det kan gjøres observasjoner fra. For eksempel, hvis vi ønsket å beregne gjennomsnittsstørrelsen på et blad av en bestemt treart, ville populasjonen inkludere alle bladene til den artens trær. Det vil imidlertid være kostbart om ikke umulig. Så i stedet bruker vi en prøve.
Prøve
Et utvalg er en delmengde av populasjonen som er representativ for populasjonen. Derfor må et utvalg velges tilfeldig fra ulike deler av befolkningen. Et utvalg er mer praktisk enn en populasjon fordi færre observasjoner vil bli gjort.
Forskjell
Varians måler hvor spredt verdiene i et datasett er fra gjennomsnittet. En lav varians betyr at verdiene er nær gjennomsnittet, mens en høy betyr at de er vidt spredt fra gjennomsnittet.
Hypotese
En hypotese er en påstand laget for å forklare noe. Det gjøres ingen antagelser om hvorvidt det er sant eller ikke. I stedet er eksperimenter designet for å bevise at det ikke er kjent for å være usant.
I ANOVA tar vi for oss to typer hypoteser – null og alternative. En nullhypotese uttrykker at det ikke er noen forskjell mellom grupper, mens alternativet sier at det er det. Etter testen vil vi godta en av disse som sann.
Variansanalyse (ANOVA) er en statistisk metode som brukes for å sjekke om en endring i en uavhengig variabel resulterte i en endring i en avhengig variabel. Med orden avgjør den om det er signifikante forskjeller mellom resultatene til ulike uavhengige grupper.
For eksempel kan en ANOVA-test avgjøre om forskjellige landingssider fikk nettbesøkende til å bruke mer tid på å lese nettstedet ditt. I dette tilfellet vil du vise de forskjellige designene for destinasjonssiden til forskjellige brukere av nettstedet ditt.
For hver økt vil du registrere tiden en bruker bruker. Til slutt vil du utføre en ANOVA-test for å se om resultatene av hver prøve er vesentlig forskjellig fra de andre.
ANOVA er en av de mange metodene som brukes i hypotesetesting. Andre populære metoder inkluderer t-tester, z-tester og chi-kvadrat-tester. Hovedforskjellen mellom disse testene er hvor og når de brukes.
Typer Anova
Det finnes forskjellige typer ANOVA-tester. Det er en enveistest og en toveis ANOVA-test.
- Enveistest – I en enveistest er det bare én uavhengig variabel, og vi prøver å finne ut om endringer i den variabelen ga endringer i den avhengige variabelen som er statistisk signifikante.
- Toveistest – I en toveistest er det flere uavhengige variabler. Denne testen kalles ofte MANOVA, hvor M står for Multiple.
I neste avsnitt vil jeg forklare formelen til ANOVA-testen.
Formelen til ANOVA-testen
En ANOVA-test avgjør om det er signifikante forskjeller mellom verdier fra forskjellige grupper eller prøver. Som alle hypotesetester må vi først etablere null- og alternative hypoteser.
For en ANOVA-test vil nullhypotesen for denne testen være at det ikke er signifikante forskjeller mellom de ulike gruppene av verdier.
Den alternative hypotesen vil være at det eksisterer betydelige forskjeller mellom minst ett par grupper i datasettet.
ANOVA-formelen beregner en f-verdi. Denne verdien er et forhold mellom gjennomsnittssummen av kvadrater på grunn av behandling (MST) og gjennomsnittssummen av kvadrater på grunn av feil (MSE).
F=MST/MSE
I hovedsak representerer MST variansen mellom utvalgsgjennomsnitt. Det er variasjon mellom grupper. MSE representerer variansen i prøvene. Det er variasjon innen grupper.
For å opprettholde dette som en vanlig engelsk introduksjon, vil jeg ikke gå nærmere inn på formelen. Dette er også unødvendig fordi det finnes programvare som vil beregne ANOVA for deg.
Til syvende og sist, hvis resultatet av denne F-verdien er nær 1, eksisterer det ingen signifikant forskjell; derfor vil nullhypotesen bli akseptert. Ellers vil nullhypotesen bli forkastet.
ANOVA vs. andre tester
Som nevnt tidligere er ANOVA en metode som brukes i hypotesetesting. Det finnes andre metoder, som t-tester og z-tester. Valget av test som skal brukes i et gitt scenario avhenger av situasjonen.
- En t-test sammenligner et utvalg gjennomsnitt med et kjent populasjonsmiddel når standardavviket er ukjent.
- En z-test er som en t-test ved at den sammenligner et utvalg gjennomsnitt med et kjent populasjonsmiddel. I en z-test er imidlertid standardavviket kjent.
- En chi-kvadrattest brukes til å bestemme uavhengigheten mellom to uavhengige variabler.
Deretter vil vi diskutere viktigheten av å analysere varianser.
Viktigheten av å analysere avvik
ANOVA lar oss sammenligne gjennomsnitt på tvers av flere grupper eller forhold, noe som gjør det mulig å bestemme om observerte forskjeller er statistisk signifikante eller bare skyldes tilfeldige tilfeldigheter. Dette er avgjørende på mange felt, som statistikk, forskning og eksperimentell design, fordi det hjelper oss å forstå kildene til variasjon innenfor datasett.
Å analysere avvik hjelper deg med å bestemme årsakssammenhengen mellom ulike faktorer. Dette er viktig for å ta datadrevne beslutninger og også for å måle fremgang. ANOVA hjelper deg å gjøre sammenligninger på tvers av flere grupper.
Ved å dekomponere den totale variansen i ulike komponenter som kan tilskrives ulike faktorer, gjør ANOVA oss i stand til å identifisere hvilke faktorer som påvirker de observerte forskjellene betydelig.
Noen av de vanligste brukstilfellene av ANOVA er listet opp i neste avsnitt.
Brukstilfeller av ANOVA
Variansanalyse er utrolig nyttig i virksomheten. Det hjelper deg å ta bedre og mer informerte beslutninger. Noen av de vanlige brukstilfellene for ANOVA inkluderer:
❇️ Tester ulike produktversjoner for å se hvilken versjon kundene liker best og det er mer sannsynlig at de kjøper.
❇️ Finne den mest effektive annonsen for annonsekampanjene dine som vil føre til de høyeste konverteringsfrekvensene.
❇️ Når du utfører markedsundersøkelser, prøver du å finne ut hvilke faktorer som påvirker kundeadferd mest.
❇️ Prøver ut ulike kundeoppbevaringsstrategier for å finne ut hvilke som fører til den laveste churn rate.
❇️ Bestemme faktorene som bidrar til og forårsaker kursbevegelser i aksjemarkedet.
Siste ord
Denne artikkelen fungerte som en kort introduksjon til ANOVA. Vi dekket hva det er, dens betydning og tilfeller der testen ville være nyttig.
Deretter kan du sjekke ut analyse- og forskningsverktøy for dataforskere.