Jeśli masz istotny wynik ANOVA albo Kruskala-Wallisa, to dobra wiadomość jest taka, że analiza prawdopodobnie pokazała różnice między grupami. Gorsza wiadomość: sam wynik ogólny nie mówi jeszcze, które grupy różnią się między sobą. I właśnie dlatego potrzebne są testy post hoc po ANOVA. To one pomagają zejść z poziomu „coś się różni” do poziomu „ta grupa różni się od tej, ale już niekoniecznie od tamtej”. Bez tego opis wyniku bywa efektowny, ale metodologicznie niedokończony – trochę jak powiedzenie, że „ktoś wygrał mecz”, bez podania kto, z kim i ile.
Dlaczego istotna ANOVA albo Kruskal-Wallis nie kończy analizy
ANOVA i Kruskal-Wallis są testami ogólnymi. Ich zadaniem jest sprawdzenie, czy między analizowanymi grupami występują istotne różnice, ale nie wskazują automatycznie, które konkretne grupy się różnią. Jeśli masz trzy grupy, wynik ogólny może być istotny, bo grupa pierwsza różni się od drugiej, druga od trzeciej albo tylko pierwsza od trzeciej. Sam test omnibusowy tego za Ciebie nie rozstrzyga.
Dlatego po istotnym wyniku często potrzebne są porównania parami między grupami. GraphPad dobrze pokazuje, że tabela ANOVA odpowiada na pytanie o efekt ogólny, natomiast wielokrotne porównania po ANOVA pomagają ustalić, które konkretne grupy różnią się między sobą. To ważne, bo bez testów post hoc łatwo napisać zbyt ogólny wniosek, który brzmi pewnie, ale nie mówi czytelnikowi wystarczająco dużo.
Jeśli jesteś jeszcze na wcześniejszym etapie i dopiero zastanawiasz się, jaki test wybrać, zacznij od wpisu ANOVA czy Kruskal-Wallis. Testy post hoc są kolejnym krokiem, a nie zamiennikiem poprawnego doboru testu.
Kiedy wykonać testy post hoc po ANOVA
Testy post hoc po ANOVA wykonuje się najczęściej wtedy, gdy analizujesz trzy lub więcej grup i wynik ogólnego testu jest istotny statystycznie. Jeżeli porównujesz tylko dwie grupy, test post hoc zwykle nie jest potrzebny, bo od razu wiadomo, które grupy zostały porównane. Problem zaczyna się przy trzech, czterech albo większej liczbie grup, bo wtedy liczba możliwych porównań szybko rośnie.
Przykład jest prosty. Masz trzy grupy studentów: niski, średni i wysoki poziom aktywności fizycznej. ANOVA mówi, że poziom satysfakcji z życia różni się między grupami. Ale nadal nie wiesz, czy różnica dotyczy grupy niskiej i wysokiej, średniej i wysokiej, czy może wszystkich par naraz. Test post hoc pozwala to sprawdzić bez zgadywania.
Przed wykonaniem ANOVA warto też upewnić się, czy dane spełniają podstawowe założenia. W wielu analizach przydaje się wcześniejsze sprawdzenie, jak sprawdzić normalność rozkładu i co z tego wynika dla wyboru testu. Jeśli założenia są mocno naruszone, Kruskal-Wallis może być bezpieczniejszą drogą, a wtedy również sposób porównań po teście wygląda inaczej.
Jakie testy post hoc wybrać po ANOVA i Kruskalu-Wallisie
Nie ma jednego testu post hoc, który pasuje do wszystkiego. Wybór zależy od tego, czy używasz ANOVA, czy Kruskala-Wallisa, ile masz grup, czy wariancje są podobne i jaki poziom ostrożności chcesz przyjąć przy wielokrotnych porównaniach. Brzmi technicznie, ale logika jest prosta: im więcej par porównujesz, tym większe ryzyko, że coś wyjdzie istotne przypadkiem. Dlatego stosuje się korekty poziomu istotności.
Po ANOVA: Tukey, Bonferroni albo Games-Howell
Po klasycznej jednoczynnikowej ANOVA często stosuje się test Tukeya, szczególnie gdy chcesz porównać wszystkie grupy między sobą. To popularny wybór, gdy założenia analizy są w miarę spełnione, a liczebności i wariancje nie robią metodologicznego pożaru w piwnicy. Innym rozwiązaniem jest korekta Bonferroniego, która jest bardziej konserwatywna i zmniejsza ryzyko fałszywie dodatnich wyników. Jeżeli wariancje są nierówne, w wielu sytuacjach lepiej rozważyć Games-Howell.
W praktyce nie chodzi o to, żeby zapamiętać wszystkie nazwy jak zaklęcia z podręcznika. Chodzi o to, żeby dobrać test post hoc do sytuacji. Jeśli wynik ANOVA jest istotny, ale nie sprawdzisz, które grupy się różnią, opis pozostanie niedokończony. Jeśli z kolei wybierzesz test post hoc bez zrozumienia założeń, możesz uzyskać wynik, który wygląda elegancko, ale nie do końca broni się metodologicznie.
Po Kruskalu-Wallisie: Dunn albo inne porównania nieparametryczne
Po Kruskalu-Wallisie nie powinno się automatycznie stosować tych samych testów post hoc co po ANOVA. Kruskal-Wallis jest testem nieparametrycznym, więc porównania po nim również powinny być dobrane do tej logiki. Dokumentacja jamovi pokazuje Kruskala-Wallisa jako nieparametryczny odpowiednik jednoczynnikowej ANOVA, ale z innymi założeniami i ograniczeniami. To ważne, bo jeśli zmieniasz test główny z parametrycznego na nieparametryczny, nie możesz potem bezrefleksyjnie wrócić do parametrycznych porównań post hoc.
W praktyce po Kruskalu-Wallisie często stosuje się test Dunna z korektą dla wielokrotnych porównań albo inne nieparametryczne porównania parami, zależnie od programu i przyjętej procedury. W jamovi możesz spotkać też porównania typu Dwass-Steel-Critchlow-Fligner. Najważniejsze jest jedno: po istotnym Kruskalu-Wallisie nadal trzeba wskazać, które grupy różnią się między sobą, ale trzeba to zrobić narzędziem pasującym do testu głównego.
Jak czytać porównania parami między grupami
Wyniki testów post hoc najczęściej pokazują porównania parami. Oznacza to, że program zestawia grupy dwie po dwie i sprawdza, czy różnica między nimi jest istotna. Przy trzech grupach masz trzy porównania, przy czterech grupach już sześć, a przy pięciu grupach dziesięć. I tu zaczyna się temat korekt, bo im więcej porównań robisz, tym bardziej rośnie ryzyko przypadkowego trafienia.
W praktyce podczas czytania wyników patrzysz przede wszystkim na:
Nie wystarczy napisać, że „test post hoc był istotny”. Trzeba dopisać, dla których grup. Na przykład: „Analiza post hoc wykazała, że grupa o wysokim poziomie aktywności fizycznej uzyskała istotnie wyższy wynik satysfakcji z życia niż grupa o niskim poziomie aktywności”. To jest konkret. Czytelnik wie, co się różni, między kim i w jakim kierunku.
Jeżeli masz już wyniki, ale nie wiesz, które liczby powinny trafić do opisu, pomocny będzie też poradnik jak opisać wyniki statystyczne w pracy dyplomowej krok po kroku. Same tabele z programu to dopiero materiał wejściowy, a nie gotowy opis do pracy.
Jak opisać testy post hoc w pracy dyplomowej
Dobry opis wyników post hoc powinien być krótki, konkretny i powiązany z wynikiem testu głównego. Najpierw podajesz wynik ANOVA albo Kruskala-Wallisa, a dopiero potem opisujesz, które porównania parami okazały się istotne. Nie warto zaczynać od post hoc bez kontekstu, bo wtedy czytelnik nie wie, dlaczego te porównania w ogóle zostały wykonane.
Przykład zapisu po ANOVA może wyglądać tak:
„Jednoczynnikowa analiza wariancji wykazała istotne różnice w poziomie satysfakcji z życia między trzema grupami aktywności fizycznej, F(2, 117) = 5,84; p = 0,004. Test post hoc Tukeya wykazał, że osoby z wysokim poziomem aktywności fizycznej uzyskały istotnie wyższe wyniki niż osoby z niskim poziomem aktywności. Nie stwierdzono istotnych różnic między pozostałymi parami grup.”
Przykład zapisu po Kruskalu-Wallisie może wyglądać tak:
„Test Kruskala-Wallisa wykazał istotne różnice między grupami, H(2) = 8,91; p = 0,012. Porównania post hoc z korektą Bonferroniego pokazały, że istotna różnica wystąpiła między grupą pierwszą i trzecią. Pozostałe porównania nie osiągnęły poziomu istotności statystycznej.”
Taki opis jest znacznie lepszy niż ogólne stwierdzenie „wyniki różniły się między grupami”. Pokazuje wynik testu głównego, wskazuje procedurę post hoc i jasno mówi, które grupy rzeczywiście się różniły. W pracy dyplomowej to często wystarczy, żeby opis był zrozumiały i metodologicznie bezpieczny.
Kiedy warto skonsultować wynik post hoc
Warto skonsultować wynik post hoc wtedy, gdy wynik ogólny jest istotny, ale nie masz pewności, jak dobrać dalsze porównania. To częste szczególnie przy kilku grupach, nierównych liczebnościach, niespełnionych założeniach albo sytuacji, w której promotor oczekuje konkretnego sposobu raportowania. Problemem nie jest samo kliknięcie testu w programie. Problemem jest wybór właściwej procedury i sensowna interpretacja.
Testy post hoc nie są dodatkiem „dla ambitnych”. To często konieczny etap po istotnym wyniku ogólnym. Dzięki nim nie kończysz analizy na zdaniu „grupy się różnią”, tylko pokazujesz, które grupy różnią się naprawdę. A to robi ogromną różnicę między opisem statystycznie poprawnym a opisem, który tylko wygląda na kompletny.
Jeśli masz wynik ANOVA albo Kruskala-Wallisa i nie wiesz, co dalej, mogę pomóc dobrać właściwe testy post hoc, sprawdzić porównania parami i przygotować opis wyników do pracy. Zobacz usługę analizy statystycznej albo przejdź do kontaktu i podeślij swój wynik do wstępnej oceny.
