Stata တွင်တွဲထားသောနမူနာများကို t-test လုပ်နည်း

နမူနာတစ်ခုရှိ ရှုမြင်မှုတစ်ခုစီရှိ အခြားနမူနာတစ်ခုရှိ စူးစမ်းမှုတစ်ခုနှင့် ဆက်စပ်နိုင်သောအခါ နမူနာနှစ်ခု၏နည်းလမ်းကို နှိုင်းယှဉ်ရန် တွဲထားသောနမူနာကို t-test ကို အသုံးပြုသည်။

ဤသင်ခန်းစာသည် Stata တွင် တွဲထားသော နမူနာ t-test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- Stata ရှိ Paired-samples t-test

လောင်စာဆီကုသမှုအသစ်သည် ကားတစ်စီး၏ပျမ်းမျှ mpg ကို ပြောင်းလဲစေခြင်း ရှိ၊ မရှိ သုတေသီများ သိလိုကြသည်။ ယင်းကို စမ်းသပ်ရန်အတွက် ၎င်းတို့သည် လောင်စာဆီ မပါဘဲ ကား ၁၂ စီး၏ စိုင်းစိုင်းခမ်းလှိုင်ကို တိုင်းတာသည့် စမ်းသပ်မှုတစ်ခုကို ပြုလုပ်ခဲ့သည်။

ကားတစ်စီးစီသည် ကုသမှုကိုလက်ခံရရှိသောကြောင့်၊ ကားတစ်စီးစီတိုင်းသည် ပျမ်းမျှ mpg နှင့် ဆီမပါဘဲ ဆီစားခြင်းမရှိဘဲ ကွာခြားမှုရှိမရှိ ဆုံးဖြတ်ရန် ကားတစ်စင်းစီကို တွဲချိတ်ထားသည့် t-test ကို လုပ်ဆောင်နိုင်ပါသည်။

Stata တွင် တွဲထားသော t-test ကိုလုပ်ဆောင်ရန် အောက်ပါအဆင့်များကို ပြီးအောင်လုပ်ပါ။

အဆင့် 1: ဒေတာကို တင်ပါ။

ပထမဦးစွာ၊ command box တွင် https://www.stata-press.com/data/r13/fuel ကို ရိုက်ပြီး Enter နှိပ်ခြင်းဖြင့် ဒေတာကို တင်ပါ။

အဆင့် 2: ဒေတာအကြမ်းကိုကြည့်ပါ။

တွဲထားသော t-test ကိုမလုပ်ဆောင်မီ၊ ဒေတာအကြမ်းကို ဦးစွာကြည့်ကြပါစို့။ အပေါ်ဆုံး menu bar မှ Data > Data Editor > Data Editor (Browse) သို့ သွားပါ။ ပထမကော်လံ၊ mpg1 သည် ပထမကား၏ လောင်စာဆီမပါဘဲ ပထမကား၏ စိုင်းစိုင်းခမ်းလှိုင်ကို ပြပြီး ဒုတိယကော်လံ၊ mpg2 သည် ပထမကား၏ လောင်စာဆီဖြင့် ပထမကား၏ စိုင်းစိုင်းခမ်းလှိုင်ကို ပြသသည်။

အဆင့် 3- တွဲထားသော t-test ကိုလုပ်ဆောင်ပါ။

ထိပ်တန်းမီနူးဘားမှ၊ စာရင်းအင်းများ > အကျဉ်းချုပ်များ၊ ဇယားများနှင့် စမ်းသပ်မှုများ > ဂန္ထဝင်ယူဆချက်စမ်းသပ်မှုများ > t-Test (စမ်းသပ်မှု၏ နှိုင်းယှဉ်မှု) သို့သွားပါ။

Paired ကို ရွေးပါ။ ပထမ variable အတွက် mpg1 ကို ရွေးပါ။ ဒုတိယ variable အတွက် mpg2 ကို ရွေးပါ။ ယုံကြည်မှုအဆင့်အတွက်၊ သင်အလိုရှိသောအဆင့်ကို ရွေးချယ်ပါ။ 95 တန်ဖိုးသည် 0.05 ၏ အရေးပါမှုအဆင့်နှင့် ကိုက်ညီသည်။ ဒါကို 95 မှာထားခဲ့ပါမယ်။ နောက်ဆုံးအနေနဲ့ OK ကို နှိပ်ပါ။

တွဲထားသော t-test ရလဒ်များကို ပြသပါမည်-

အုပ်စုတစ်ခုစီအတွက် အောက်ပါအချက်အလက်များကို ကျွန်ုပ်တို့ရရှိပါသည်-

Obs- လေ့လာ တွေ့ရှိချက်အရေအတွက်။ အုပ်စုတစ်ခုစီတွင် စောင့်ကြည့်မှု ၁၂ ခုရှိသည်။

ပျမ်းမျှ- ပျမ်းမျှ စိုင်းစိုင်းခမ်းလှိုင်။ အုပ်စု 0 တွင် ပျမ်းမျှသည် 21 ဖြစ်သည်။ အုပ်စု 1 တွင် ပျမ်းမျှသည် 22.75 ဖြစ်သည်။

စံ။ အမှား- σ/√ n အဖြစ် တွက်ချက်ထားသော စံအမှား

စံ။ Dev- စိုင်းစိုင်းခမ်းလှိုင်၏ စံသွေဖည်မှု။

95% Conf. အပိုင်းအခြား- စိုင်းစိုင်းခမ်းလှိုင်၏ စစ်မှန်သောလူဦးရေပျမ်းမျှအတွက် 95% ယုံကြည်မှုကြားကာလ။

t- တွဲထားသော t စမ်းသပ်မှု၏ စမ်းသပ်မှုစာရင်းအင်း။

လွတ်လပ်မှုဒီဂရီ- စမ်းသပ်မှုအတွက် အသုံးပြုရန် လွတ်လပ်မှုဒီဂရီ၊ အောက်ပါအတိုင်း တွက်ချက်သည်- #pairs-1 = 12-1 = 11။

မတူညီသော နမူနာနှစ်ခု t-tests သုံးခုအတွက် p-တန်ဖိုးများကို ရလဒ်များ၏အောက်ခြေတွင် ပြသထားသည်။ ပျမ်းမျှ mpg သည် အုပ်စုနှစ်ခုကြားတွင် ရိုးရိုးရှင်းရှင်း ကွဲပြားခြင်း ရှိ၊ မရှိ နားလည်လိုသောကြောင့်၊ ကျွန်ုပ်တို့သည် p-value ၏ 0.0463 ရှိသည့် ကြားခံစမ်းသပ်မှု၏ ရလဒ်များကို ကြည့်ရှုပါမည်။ .

ဤတန်ဖိုးသည် ကျွန်ုပ်တို့၏ အရေးပါမှုအဆင့် 0.05 အောက်ဖြစ်သောကြောင့်၊ ကျွန်ုပ်တို့သည် null hypothesis ကို ငြင်းပယ်ပါသည်။ စစ်မှန်သောပျမ်းမျှ စိုင်းစိုင်းခမ်းလှိုင်သည် အုပ်စုနှစ်ခုကြားတွင် ကွဲပြားသည်ဟု ပြောရန် လုံလောက်သော အထောက်အထားရှိသည်။

အဆင့် 5: ရလဒ်များကို သတင်းပို့ပါ။

နောက်ဆုံးတွင်၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့ တွဲဖက်ထားသော t စမ်းသပ်မှု၏ ရလဒ်များကို အစီရင်ခံပါမည်။ ဤသည်မှာ ဤအရာကို ပြုလုပ်ပုံ၏ ဥပမာတစ်ခုဖြစ်သည်။

လောင်စာဆီကုသမှုအသစ်သည် တစ်ဂါလံလျှင် ပျမ်းမျှမိုင်နှုန်းကွာခြားမှုဖြစ်စေကြောင်း ဆုံးဖြတ်ရန် တွဲထားသော t-test ကို ကား ၁၂ စီးတွင် ပြုလုပ်ခဲ့သည်။

ရလဒ်များက ပျမ်းမျှ စိုင်းစိုင်းခမ်းလှိုင်သည် ကိန်းဂဏန်းအရ သိသာထင်ရှားကြောင်း ပြသခဲ့သည်။   အုပ်စုနှစ်စုကြား (t = -2.2444 နှင့် df=11၊ p = 0.0463) သိသိသာသာ 0.05 အဆင့်တွင် ကွဲပြားသည်။

လူဦးရေအကြား စစ်မှန်သော ခြားနားချက်အတွက် ယုံကြည်မှု 95% ကြားကာလသည် (-3.466၊ -0.034) ကြားကာလကို ဆိုလိုသည်။

ဤရလဒ်များကို အခြေခံ၍ လောင်စာဆီ ကုသမှုအသစ်သည် ကားများအတွက် စိုင်းစိုင်းခမ်းလှိုင်ကို ကိန်းဂဏန်း သိသိသာသာ မြင့်မားစေသည်။