Variasi dalam kelompok atau antar kelompok dalam anova


ANOVA satu arah digunakan untuk menentukan apakah rata-rata dari tiga atau lebih kelompok independen adalah sama atau tidak.

ANOVA satu arah menggunakan hipotesis nol dan hipotesis alternatif berikut:

  • H 0 : Semua mean grup adalah sama.
  • H A : Setidaknya rata-rata satu kelompok berbeda dengan kelompok lainnya.

Setiap kali Anda melakukan ANOVA satu arah, Anda akan mendapatkan tabel ringkasan seperti berikut:

Kita dapat melihat bahwa ada dua sumber variasi berbeda yang diukur oleh ANOVA:

Variasi antar kelompok : variasi total antara rata-rata masing-masing kelompok dan rata-rata keseluruhan.

Variasi dalam kelompok : total variasi nilai individu dalam setiap kelompok dan rata-rata kelompoknya.

Jika variasi antar kelompok relatif tinggi terhadap variasi dalam kelompok, maka statistik F dari ANOVA akan lebih tinggi dan nilai p yang sesuai akan lebih rendah, sehingga hipotesis nol lebih besar kemungkinannya untuk ditolak. rata-rata kelompok adalah sama.

Contoh berikut menunjukkan cara menghitung variasi antar kelompok dan variasi dalam kelompok untuk ANOVA satu arah dalam praktiknya.

Contoh: Menghitung variasi dalam suatu kelompok dan antar kelompok dalam ANOVA

Misalkan kita ingin menentukan apakah tiga metode belajar yang berbeda menghasilkan rata-rata nilai ujian yang berbeda. Untuk mengujinya, kami merekrut 30 siswa dan secara acak menugaskan 10 siswa untuk menggunakan metode belajar yang berbeda.

Hasil ujian siswa pada masing-masing kelompok ditunjukkan di bawah ini:

Kita dapat menggunakan rumus berikut untuk menghitung variasi antar kelompok :

Variasi antar kelompok = Σn j (X jX ..) 2

Emas:

  • n j : ukuran sampel kelompok j
  • Σ : simbol yang berarti “jumlah”
  • X j : rata-rata kelompok j
  • X .. : rata-rata keseluruhan

Untuk menghitung nilai ini, pertama-tama kita menghitung rata-rata masing-masing kelompok dan rata-rata keseluruhan:

Kemudian kita menghitung variasi antar kelompok sebagai berikut: 10(80.5-83.1) 2 + 10(82.1-83.1) 2 + 10(86.7-83.1) 2 = 207.2 .

Kemudian kita dapat menggunakan rumus berikut untuk menghitung variasi dalam grup :

Variasi intra-grup : Σ(X ijX j ) 2

Emas:

  • Σ : simbol yang berarti “jumlah”
  • X ij : observasi ke-i kelompok j
  • X j : rata-rata kelompok j

Dalam contoh kami, kami menghitung variasi dalam grup sebagai:

Grup 1: (75-80.5) 2 + (77-80.5) 2 +   (78-80.5) 2+   (78-80.5) 2+   (79-80.5) 2+   (81-80.5) 2+   (81-80.5) 2+   (83-80.5) 2+   (86-80.5) 2+   (87-80,5) 2 = 136,5

Grup 2: (78-82.1) 2 + (78-82.1) 2 +   (79-82.1) 2 +   (81-82.1) 2+   (81-82.1) 2+   (82-82.1) 2 +   (83-82.1) 2 +   (85-82.1) 2 +   (86-82.1) 2 +   (88-82.1) 2 = 104.9

Grup 3: (82-86.7) 2 + (82-86.7) 2 +   (84-86.7) 2+   (86-86.7) 2+   (86-86.7) 2+   (87-86.7) 2+   (87-86.7) 2+   (89-86.7) 2+   (90-86.7) 2+   (94-86.7) 2 = 122.1

Variasi dalam grup: 136,5 + 104,9 + 122,1 = 363,5

Jika kita menggunakan software statistik untuk melakukan ANOVA satu arah menggunakan dataset ini, kita akan mendapatkan tabel ANOVA berikut:

Perhatikan bahwa nilai variasi antar grup dan dalam grup cocok dengan yang kami hitung secara manual.

Statistik F keseluruhan dalam tabel adalah cara untuk mengukur hubungan antara variasi antar kelompok dan variasi dalam kelompok.

Semakin besar statistik F, semakin besar rata-rata variasi antar kelompok dibandingkan dengan variasi dalam kelompok.

Jadi, semakin besar statistik F, semakin jelas terlihat adanya perbedaan rata-rata antar kelompok.

Kita dapat melihat dalam contoh ini bahwa nilai p yang sesuai dengan statistik F 7,6952 adalah 0,0023 .

Karena nilai ini kurang dari α = 0,05, kami menolak hipotesis nol ANOVA dan menyimpulkan bahwa ketiga teknik belajar tidak menghasilkan nilai ujian yang sama.

Sumber daya tambahan

Tutorial berikut memberikan informasi tambahan tentang model ANOVA:

Pengantar ANOVA Satu Arah
Bagaimana menginterpretasikan nilai F dan nilai P dalam ANOVA
Panduan Lengkap: Cara Melaporkan Hasil ANOVA

Tambahkan komentar

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *