Chi-square test နှင့် t-test- ကွာခြားချက်ကား အဘယ်နည်း။
Chi-square စမ်းသပ်မှုများ နှင့် t-tests များသည် အတွေ့ရအများဆုံး စာရင်းအင်းစစ်ဆေးမှု အမျိုးအစား နှစ်ခုဖြစ်သည်။ ထို့ကြောင့် ဤစာမေးပွဲနှစ်ခုကြား ခြားနားချက်ကို နားလည်ရန်နှင့် သင်ဖြေဆိုလိုသော ပြဿနာပေါ် မူတည်၍ တစ်ခုစီကို မည်သည့်အချိန်တွင် အသုံးပြုရမည်ကို သိရန် အရေးကြီးပါသည်။
ဤသင်ခန်းစာသည် စမ်းသပ်မှုနှစ်ခုကြားရှိ ခြားနားချက်အပြင် ၎င်းတို့ကို အသုံးပြုရမည့်အချိန်တွင် ရိုးရှင်းသော ရှင်းလင်းချက်ကို ပေးပါသည်။
Chi-square စမ်းသပ်မှု
အမှန်တကယ်တွင် chi-square စမ်းသပ်မှု၏ မတူညီသော ဗားရှင်းများစွာရှိသော်လည်း အသုံးအများဆုံးမှာ လွတ်လပ်မှု chi-square စမ်းသပ်မှု ဖြစ်သည်။
အဓိပ္ပါယ်
ကျွန်ုပ်တို့သည် categorical variables နှစ်ခုကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ဆက်နွယ်မှုရှိမရှိ တရားဝင်စမ်းသပ်လိုသောအခါတွင် ကျွန်ုပ်တို့သည် လွတ်လပ်မှုအတွက် chi-square စမ်းသပ်မှုကို အသုံးပြုပါသည်။
စမ်းသပ်မှုယူဆချက်မှာ အောက်ပါအတိုင်းဖြစ်သည်။
Null hypothesis (H 0 ) : ကိန်းရှင်နှစ်ခုကြားတွင် သိသာထင်ရှားသော ဆက်စပ်မှု မရှိပါ။
အစားထိုးယူဆချက်- (ဟာ)- ကိန်းရှင်နှစ်ခုကြားတွင် သိသာထင်ရှားသော ဆက်စပ်မှု တစ်ခုရှိသည် ။
ဥပမာများ
ဤသည်မှာ လွတ်လပ်မှုအတွက် chi-square စမ်းသပ်မှုကို အသုံးပြုသည့်အခါ ဥပမာအချို့ဖြစ်သည်။
ဥပမာ 1- ကျား၊မ (အမျိုးသား၊ အမျိုးသမီး) နှင့် နိုင်ငံရေးပါတီ ဦးစားပေး (ရီပတ်ဘလစ်ကန်၊ ဒီမိုကရက်၊ လွတ်လပ်သော) အကြား စာရင်းအင်းအရ သိသာထင်ရှားသော ဆက်စပ်မှု ရှိ၊ မရှိ သိလိုပါသည်။ ဒါကို စမ်းသပ်ဖို့အတွက် ကျပန်းလူ 100 ကို စစ်တမ်းကောက်ယူပြီး သူတို့ရဲ့ ကျား၊မ နဲ့ နိုင်ငံရေး ပါတီရဲ့ ဦးစားပေးမှုကို မှတ်တမ်းတင်နိုင်ပါတယ်။ ထို့နောက် ကျား၊မနှင့် နိုင်ငံရေး ပါတီနှစ်ခြိုက်မှုတို့အကြား စာရင်းအင်းအရ သိသာထင်ရှားသော ဆက်စပ်မှု ရှိ၊ မရှိ ဆုံးဖြတ်ရန် ချီစတုရန်းစစ်ဆေးမှုကို ပြုလုပ်နိုင်သည်။
ဥပမာ 2- အတန်းအဆင့် (လူသစ်၊ ဒုတိယတန်း၊ အငယ်တန်း၊ အကြီးတန်း) နှင့် အကြိုက်ဆုံးရုပ်ရှင်အမျိုးအစား (သည်းထိတ်ရင်ဖို၊ ဒရာမာ၊ အနောက်တိုင်း) အကြား စာရင်းအင်းအရ သိသာထင်ရှားသော ဆက်စပ်မှုရှိမရှိ ကျွန်ုပ်တို့ သိလိုပါသည်။ ၎င်းကို စမ်းသပ်ရန်အတွက် ကျောင်းတစ်ကျောင်းတွင် အတန်းအဆင့်တစ်ခုစီမှ ကျပန်းကျောင်းသား 100 ကို စစ်တမ်းကောက်ယူပြီး ၎င်းတို့၏ စိတ်ကြိုက်ရုပ်ရှင်အမျိုးအစားကို မှတ်တမ်းတင်နိုင်ပါသည်။ ထို့နောက်၊ ကျွန်ုပ်တို့သည် အဆင့်အဆင့်နှင့် အကြိုက်ဆုံးရုပ်ရှင်အမျိုးအစားကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ဆက်စပ်မှုရှိမရှိကို ဆုံးဖြတ်ရန် လွတ်လပ်သော chi-square စမ်းသပ်မှုကို လုပ်ဆောင်နိုင်သည်။
ဥပမာ 3- လူတစ်ဦး၏အနှစ်သက်ဆုံးအားကစား (ဘတ်စကက်ဘော၊ ဘေ့စ်ဘော၊ ဘောလုံး) နှင့် ၎င်းတို့ ကြီးပြင်းလာရာ (မြို့ပြ၊ ကျေးလက်) တို့အကြား ကိန်းဂဏန်းအရ သိသာထင်ရှားသော ဆက်စပ်မှု ရှိမရှိ သိလိုပါသည်။ ဒါကို စမ်းသပ်ဖို့အတွက် ကျပန်းလူ 100 ကို စစ်တမ်းကောက်ယူပြီး သူတို့ ကြီးပြင်းတဲ့ နေရာ အမျိုးအစားနဲ့ သူတို့ အကြိုက်ဆုံး အားကစားက ဘာလဲဆိုတာ မေးနိုင်ပါတယ်။ ထို့နောက်၊ လူတစ်ဦး၏အနှစ်သက်ဆုံးအားကစားနှင့် ၎င်းတို့ကြီးပြင်းသည့်နေရာကြားတွင် ကိန်းဂဏန်းအချက်အလတ်အရ သိသာထင်ရှားသောဆက်စပ်မှုရှိမရှိကို ဆုံးဖြတ်ရန် chi-square စမ်းသပ်မှုကို လုပ်ဆောင်နိုင်သည်။
ယူဆချက်
လွတ်လပ်ရေးအတွက် chi-square စမ်းသပ်မှုကို ကျွန်ုပ်တို့ မလုပ်ဆောင်မီ၊ ကျွန်ုပ်တို့၏ စမ်းသပ်မှု၏တရားဝင်မှုကို သေချာစေရန်အတွက် အောက်ပါယူဆချက်များကို ပြည့်မီကြောင်း ဦးစွာသေချာရပါမည်။
- ကျပန်း- နမူနာနှစ်ခုလုံးမှ အချက်အလက်စုဆောင်းရန်အတွက် ကျပန်းနမူနာ သို့မဟုတ် ကျပန်းစမ်းသပ်မှုကို အသုံးပြုသင့်သည်။
- အမျိုးအစားခွဲခြားခြင်း- ကျွန်ုပ်တို့လေ့လာထားသော ကိန်းရှင်များသည် အမျိုးအစားအလိုက် ဖြစ်ရပါမည်။
- အရွယ်အစား- ကိန်းရှင်အဆင့်တစ်ခုစီတွင် မျှော်မှန်းထားသော စောင့်ကြည့်အရေအတွက်သည် အနည်းဆုံး 5 ဖြစ်ရပါမည်။
ဒီယူဆချက်တွေကို အတည်ပြုပြီးရင် စမ်းသပ်မှုကို လုပ်ဆောင်နိုင်ပါတယ်။
t-test
t-test ၏ မတူညီသော ဗားရှင်းအချို့လည်း ရှိသော်လည်း အသုံးအများဆုံးမှာ t-test ဆိုသည်မှာ ခြားနားချက်အတွက် ဆိုလိုရင်း ဖြစ်သည်။
အဓိပ္ပါယ်
လူဦးရေနည်းလမ်းနှစ်ခုကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ခြားနားချက်ရှိမရှိ တရားဝင်စမ်းသပ်လိုသောအခါတွင် ခြားနားချက်တစ်ခုအတွက် t-test ကို အသုံးပြုပါသည်။
စမ်းသပ်မှုယူဆချက်မှာ အောက်ပါအတိုင်းဖြစ်သည်။
Null hypothesis (H 0 ) : လူဦးရေနှစ်ခု၏ အဓိပ္ပါယ်မှာ ညီမျှသည်။
အစားထိုးယူဆချက်- (ဟာ)- လူဦးရေနှစ်ခု၏ အဓိပ္ပါယ်မှာ မညီမျှပါ။
မှတ်ချက်- လူဦးရေတစ်ခုသည် အခြားတစ်ခုထက် မြင့်သည် သို့မဟုတ် နိမ့်ခြင်းရှိမရှိ စမ်းသပ်ရန် ဖြစ်နိုင်သော်လည်း အသုံးအများဆုံး null hypothesis မှာ ဆိုလိုသည်မှာ နှစ်ခုသည် ညီမျှခြင်းပင်ဖြစ်သည်။
ဥပမာများ
ဤသည်မှာ နည်းလမ်းများတွင် ခြားနားချက်အတွက် t-test ကို အသုံးပြုသည့်အခါ ဥပမာအချို့ဖြစ်သည်။
ဥပမာ 1- အစားအသောက် A သို့မဟုတ် အစားအသောက် B သည် ကိုယ်အလေးချိန် ပိုကျစေခြင်း ရှိမရှိ သိလိုပါသည်။ ကျွန်ုပ်တို့သည် လူ 100 ကို အစားအသောက် A ကို နှစ်လကြာ လိုက်နာရန်နှင့် နောက်ထပ် လူ 100 ကို အစားအသောက် B ကို နှစ်လကြာ လိုက်နာရန် ကျပန်းသတ်မှတ်ထားသည်။ အုပ်စုနှစ်ခုကြားရှိ ပျမ်းမျှကိုယ်အလေးချိန်ကျခြင်းတွင် စာရင်းအင်းအရ သိသာထင်ရှားသော ခြားနားချက်ရှိမရှိ ဆုံးဖြတ်ရန် t-test ကို လုပ်ဆောင်နိုင်သည်။
ဥပမာ 2- မတူညီသော လေ့လာမှုအစီအစဥ်နှစ်ခုသည် ကျောင်းသားများအတွက် မတူညီသော စာမေးပွဲရလဒ်များကို ဖြစ်ပေါ်စေသည်ဆိုသည်ကို ကျွန်ုပ်တို့ သိရှိလိုပါသည်။ ကျွန်ုပ်တို့သည် လေ့လာမှုအစီအစဉ်တစ်ခုအား အသုံးပြုရန် ကျောင်းသား 50 ကို ကျပန်းသတ်မှတ်ပေးပြီး စာမေးပွဲမဖြေဆိုမီ တစ်လအတွက် အခြားလေ့လာမှုအစီအစဉ်ကို အသုံးပြုရန် ကျောင်းသား 50 ကို ကျပန်းသတ်မှတ်ပေးပါသည်။ လေ့လာမှုအစီအစဥ်နှစ်ခုကြားရှိ ပျမ်းမျှစာမေးပွဲရမှတ်များတွင် စာရင်းအင်းအရ သိသာထင်ရှားစွာ ကွာခြားမှုရှိမရှိ ဆုံးဖြတ်ရန် t-test ကို ကျွန်ုပ်တို့လုပ်ဆောင်နိုင်သည်။
ဥပမာ 3- မတူညီသောကျောင်းနှစ်ခုရှိ ကျောင်းသားများသည် ပျမ်းမျှအရပ်အမြင့် တူညီမှုရှိမရှိ သိလိုပါသည်။ ကျောင်းတစ်ကျောင်းမှ ကျပန်းကျောင်းသား 100 နှင့် အခြားကျောင်းမှ ကျပန်းကျောင်းသား 100 တို့၏ အမြင့်ကို တိုင်းတာသည်။ ကျောင်းနှစ်ခုကြားရှိ ပျမ်းမျှကျောင်းသားအရပ်အမြင့်တွင် စာရင်းအင်းအရ သိသာထင်ရှားသော ခြားနားချက်ရှိမရှိ ဆုံးဖြတ်ရန် t-test ကို ကျွန်ုပ်တို့ လုပ်ဆောင်နိုင်သည်။
ယူဆချက်
လူဦးရေနည်းလမ်းနှစ်ခုကြား ခြားနားချက်အပေါ် သီအိုရီစမ်းသပ်မှုတစ်ခု မလုပ်ဆောင်မီ၊ ကျွန်ုပ်တို့၏ယူဆချက်စမ်းသပ်မှု၏တရားဝင်မှုကိုသေချာစေရန်အတွက် အောက်ပါအခြေအနေများနှင့်ကိုက်ညီကြောင်း ဦးစွာသေချာစေရပါမည်။
- ကျပန်း- နမူနာနှစ်ခုလုံးအတွက် အချက်အလက်စုဆောင်းရန်အတွက် ကျပန်းနမူနာ သို့မဟုတ် ကျပန်းစမ်းသပ်ချက်ကို အသုံးပြုသင့်သည်။
- ပုံမှန်- နမူနာဖြန့်ဝေမှုသည် ပုံမှန် သို့မဟုတ် ခန့်မှန်းခြေအားဖြင့် ပုံမှန်ဖြစ်သည်။
- လွတ်လပ်ရေး- နမူနာနှစ်ခုသည် သီးခြားဖြစ်သည်။
ဤယူဆချက်များအား ကျေနပ်ပါက၊ သီအိုရီစမ်းသပ်မှုကို ကျွန်ုပ်တို့လုပ်ဆောင်နိုင်ပါသည်။
စမ်းသပ်မှုတစ်ခုစီကို ဘယ်အချိန်မှာ ဘယ်လိုသိနိုင်မလဲ။
ဤသည်မှာ စမ်းသပ်မှုတစ်ခုစီ၏ အကျဉ်းချုပ်ဖြစ်သည်။
လွတ်လပ်မှုအတွက် Chi-square စမ်းသပ်မှု- အမျိုးအစားခွဲကွဲပြားသည့် ကိန်းရှင်နှစ်ခုကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ဆက်စပ်မှု ရှိ၊ မရှိ စမ်းသပ်ရန် ခွင့်ပြုသည်။ လွတ်လပ်ရေး၏ chi-square စမ်းသပ်မှုမှ null hypothesis ကို သင်ငြင်းဆိုသောအခါ၊ ကိန်းရှင်နှစ်ခုကြားတွင် သိသာထင်ရှားသော ဆက်နွယ်မှုရှိကြောင်း ဆိုလိုသည်။
Means t-Test တွင် ကွာခြားချက်- လူဦးရေနည်းလမ်းနှစ်ခုကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ခြားနားမှု ရှိ၊ မရှိ စမ်းသပ်ရန် သင့်အား ခွင့်ပြုသည်။ ဆိုလိုသည်မှာ ခြားနားချက်အတွက် t-test တစ်ခု၏ null hypothesis ကို သင်ငြင်းဆိုသောအခါ၊ လူဦးရေနှစ်ခု၏ အဓိပ္ပါယ်မှာ မညီဟု ဆိုလိုသည်။
t-test နှင့် chi-square test ကို အသုံးပြုခြင်း ရှိ၊ မရှိ သိရန် အလွယ်ဆုံးနည်းလမ်းမှာ သင်လုပ်ဆောင်နေသော variable အမျိုးအစားများကို ရိုးရှင်းစွာ ကြည့်ရန်ဖြစ်သည်။
အကယ်၍ သင့်တွင် အမျိုးအစားနှစ်မျိုးလုံးပါသော variable နှစ်ခုရှိပါက၊ ဆိုလိုသည်မှာ ၎င်းတို့ကို အမျိုးသား ၊ အမျိုးသမီး ၊ နှင့် Republican ၊ Democrat ၊ independent ကဲ့သို့သော အမျိုးအစားများအဖြစ် ထားရှိနိုင်သည်၊ ထို့နောက် သင်သည် chi-square စမ်းသပ်မှုကို အသုံးပြုသင့်သည်။
အကယ်၍ ကိန်းရှင်တစ်ခုသည် အမျိုးအစားအလိုက် (ဥပမာ၊ လေ့လာမှုအစီအစဥ် အမျိုးအစား – အစီအစဉ် 1 သို့မဟုတ် အစီအစဉ် 2) နှင့် အခြားတစ်ခုသည် စဉ်ဆက်မပြတ် (ဥပမာ – စာမေးပွဲရမှတ် – 0 မှ 100 တိုင်းတာသည်) ဆိုလျှင် သင် t-test ကို အသုံးပြုသင့်သည်။
စာရေးသူအကြောင်း
Benjamin Anderson
မင်္ဂလာပါ၊ ကျွန်ုပ်သည် အငြိမ်းစား စာရင်းအင်း ပါမောက္ခ ဘင်ဂျမင်ဖြစ်ပြီး သီးသန့် Statorials ဆရာအဖြစ် လှည့်ပတ်ပါသည်။ စာရင်းဇယားနယ်ပယ်တွင် ကျယ်ပြန့်သောအတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုနှင့်အတူ၊ Statorials မှတစ်ဆင့် ကျောင်းသားများကို ခွန်အားဖြစ်စေရန်အတွက် ကျွန်ုပ်၏အသိပညာကို မျှဝေလိုပါသည်။ ပိုသိတယ်။