Quando potresti aver bisogno di usare questo test? (cont…)
Un secondo disegno di studio consiste nel reclutare un gruppo di individui e poi dividerli in gruppi in base a qualche variabile indipendente. Anche in questo caso, ogni individuo sarà assegnato a un solo gruppo. Questa variabile indipendente è a volte chiamata una variabile indipendente di attributo perché si sta dividendo il gruppo in base a qualche attributo che possiedono (ad esempio, il loro livello di istruzione; ogni individuo ha un livello di istruzione, anche se è “nessuno”). Ogni gruppo viene poi misurato sulla stessa variabile dipendente essendo stato sottoposto allo stesso compito o condizione (o a nessuna). Per esempio, un ricercatore è interessato a determinare se ci sono differenze nella forza delle gambe tra giocatori di rugby dilettanti, semi-professionisti e professionisti. La forza/forza misurata su una macchina isocinetica è la variabile dipendente. Questo tipo di disegno di studio è illustrato schematicamente nella figura seguente:
Perché non confrontare i gruppi con test t multipli?
Ogni volta che si conduce un test t c’è una possibilità che si commetta un errore di tipo I. Questo errore è di solito del 5%. Eseguendo due t-test sugli stessi dati avrete aumentato la possibilità di “sbagliare” al 10%. La formula per determinare il nuovo tasso di errore per i test t multipli non è semplice come moltiplicare il 5% per il numero di test. Tuttavia, se state facendo solo pochi confronti multipli, i risultati sono molto simili. Così, tre t-test sarebbero il 15% (in realtà, il 14,3%) e così via. Questi sono errori inaccettabili. Un’ANOVA controlla questi errori in modo che l’errore di tipo I rimanga al 5% e si può essere più sicuri che ogni risultato statisticamente significativo che si trova non sia solo l’esecuzione di molti test. Vedi la nostra guida sui test d’ipotesi per maggiori informazioni sugli errori di tipo I.