Dreifigreining (Anova) er notuð til að prófa tilgátur um mun milli margra meðaltala. Hægt er að bera mörg meðaltöl saman með mörgum t – prófum. Gallinn við þá aðferð er helstur sá að hún eykur líkurnar á höfnunarmistökum. Dreifigreining athugar mun á milli margra meðaltala án þess að auka líkurnar á höfnunarmistökum (Type 1 error). Hugsum okkur dæmi þar sem skoðuð eru áhrif hávaða á lesskilning. Þátttakendum er skipt í tilviljanakennda hópa þar sem hópur eitt les í algjöru næði, hópur tvö les við hávaða og hópur þrjú les við mikinn hávaða. Fyrsta spurningin sem rannsakandi spyr er hvort munur sé á lesskilningi þessara hópa, það er hvort að hávaði hafi einhver áhrif á lesskilning. Formleg núlltilgára væri þá svona: µ1=µ2=µ3 þar sem µ1 er þýðismeðaltal fyrir “algjört næði” µ2 er þýðismeðaltal fyrir “hávaða” og µ3 þýðismeðaltal fyrir “mikinn hávaða”. Rannsóknarsniðið hefur því frumbreytu með þremur gildum – næði, hávaða og miklum hávaða. Í þessari rannsókn væri marghliða dreifigreining kjörin til gera marktektarpróf á núlltilgátunni sem sett var fram hér að ofan. Ef F-prófið er marktækt er hægt að gera ráð fyrir að munur á meðaltölum (hér munur á meðaltölum hópanna þriggja á lesskilningsprófi) sé það mikill að hann sé ekki tilkominn af tilviljun. Því væri hægt að hafna núlltilgátunni og álykta að munur sé á lesskilningi eftir lesaðstæðum. Þegar próf eru marktæk þarf að skoða meðaltölin til að sjá hvar munurinn liggur, er t.d. munur á lesskilningi þeirra sem hafa mikinn hávaða við lestur og lesskilningi þeirra sem hafa næði eða er munur á lesskilningi þeirra sem hafa hávaða og lesskilningi þeirra sem hafa mikinn hávaða. Slíkt er gert með eftir – á - prófunum (post- hoc tests).

© 2003 Hafrún Kristjánsdóttir