Stata တွင် anova ထပ်ခါတလဲလဲ တိုင်းတာမှုများ ပြုလုပ်နည်း

အုပ်စုတစ်ခုစီတွင် တူညီသောဘာသာရပ်များပေါ်လာသည့် အုပ်စုသုံးစု သို့မဟုတ် ထို့ထက်ပိုသောအုပ်စုများကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသောခြားနားချက်ရှိမရှိ ဆုံးဖြတ်ရန် ထပ်ခါတလဲလဲတိုင်းတာမှုများကို ANOVA ကို အသုံးပြုသည်။

သီးခြားအခြေအနေနှစ်ခုတွင် ကျွန်ုပ်တို့သည် တစ်လမ်းသွား ထပ်ခါတလဲလဲတိုင်းတာမှုများ ANOVA ကို အသုံးပြုသည်-

1. အချိန်သုံးမှတ်ဖြင့် ဘာသာရပ်များ၏ ပျမ်းမျှရမှတ်များကို တိုင်းတာပါ။ ဥပမာအားဖြင့်၊ လေ့ကျင့်ရေးပရိုဂရမ်မစတင်မီ၊ လေ့ကျင့်ရေးအစီအစဉ်၏အလယ်တွင်နှင့် လေ့ကျင့်ရေးပရိုဂရမ်ပြီးနောက် တစ်လအကြာတွင် ဘာသာရပ်များ၏ အနားယူနေသောနှလုံးခုန်နှုန်းကို သင်တိုင်းတာလိုပေမည်။ ဤအချိန်အချက်သုံးချက်ထက် နှုန်းထားများ။

တူညီသောအကြောင်းအရာများ ထပ်ခါထပ်ခါ ပေါ်လာသည်ကို သတိပြုပါ။ ကျွန်ုပ်တို့သည် တူညီသောဘာသာရပ်များကို ထပ်ခါတလဲလဲ တိုင်းတာသည်၊ ထို့ကြောင့် ကျွန်ုပ်တို့သည် တစ်လမ်းတည်း ထပ်ခါတလဲလဲ တိုင်းတာခြင်း ANOVA ကို အဘယ်ကြောင့် အသုံးပြုခဲ့ကြသနည်း။

2. မတူညီသောအခြေအနေသုံးမျိုးတွင် ဘာသာရပ်များ၏ ပျမ်းမျှရမှတ်များကို တိုင်းတာပါ။ ဥပမာအားဖြင့်၊ သင်သည် မတူညီသော ရုပ်ရှင် သုံးခုကို ကြည့်ရှုရန် ဘာသာရပ်များကို တောင်းဆိုနိုင်ပြီး ၎င်းတို့ကို မည်မျှ နှစ်သက်သည်ကို အခြေခံ၍ တစ်ခုစီကို အဆင့်သတ်မှတ်နိုင်သည်။

တစ်ဖန်၊ အုပ်စုတစ်ခုစီတွင် တူညီသောဘာသာရပ်များပေါ်လာသည်၊ ထို့ကြောင့် ဤအခြေအနေသုံးရပ်ကြားရှိနည်းလမ်းများ၏ကွာခြားချက်ကိုစမ်းသပ်ရန် တစ်လမ်းသွား ထပ်ခါတလဲလဲတိုင်းတာမှုများ ANOVA ကိုအသုံးပြုရပါမည်။

ဤသင်ခန်းစာသည် Stata ရှိ ANOVA တွင် တစ်လမ်းသွား ထပ်ခါတလဲလဲ တိုင်းတာနည်းကို ရှင်းပြထားသည်။

ဥပမာ- Stata ရှိ ANOVA ထပ်ခါတလဲလဲ ဆောင်ရွက်ချက်များ

သုတေသီများသည် မတူညီသော ဆေးဝါးလေးမျိုးကို သောက်သုံးနေသည့် လူနာငါးဦး၏ တုံ့ပြန်မှုအချိန်ကို တိုင်းတာသည်။ လူနာတစ်ဦးစီအား ဆေးဝါးလေးခုစီတွင် တိုင်းတာထားသောကြောင့် ဆေးဝါးများကြား ပျမ်းမျှတုံ့ပြန်မှုအချိန်ကွာခြားခြင်းရှိမရှိ ဆုံးဖြတ်ရန် ထပ်ခါတလဲလဲတိုင်းတာမှုများ ANOVA ကိုအသုံးပြုပါမည်။

Stata ရှိ ANOVA ထပ်ခါတလဲလဲ တိုင်းတာမှုများ လုပ်ဆောင်ရန် အောက်ပါအဆင့်များကို ပြီးအောင်လုပ်ပါ။

အဆင့် 1: ဒေတာကို တင်ပါ။

ပထမဦးစွာ၊ command box တွင် https://www.stata-press.com/data/r14/t43 ကိုသုံး၍ Enter နှိပ်ပြီး ဒေတာကို တင်ပါ။

အဆင့် 2: ဒေတာအကြမ်းကိုကြည့်ပါ။

ထပ်ခါတလဲလဲတိုင်းတာမှုများ ANOVA မလုပ်ဆောင်မီ၊ ဒေတာအကြမ်းကို ဦးစွာကြည့်ရှုကြပါစို့။ အပေါ်ဆုံး menu bar မှ Data > Data Editor > Data Editor (Browse) သို့ သွားပါ။ ၎င်းသည် ဆေးဝါးလေးမျိုးမှ တစ်ခုစီအတွက် လူနာ 5 ဦးစီအတွက် တုံ့ပြန်ချိန်များကို ကျွန်ုပ်တို့အား ပြသပါမည်။

အဆင့် 3- ANOVA ထပ်ခါတလဲလဲ တိုင်းတာမှုများ ပြုလုပ်ပါ။

အပေါ်ဆုံးမီနူးဘားမှ၊ စာရင်းအင်းများ > မျဉ်းကြောင်းနှင့် ဆက်စပ်မော်ဒယ်များ > ANOVA/MANOVA > ကွဲလွဲမှုနှင့် ကွဲလွဲမှုကို ခွဲခြမ်းစိတ်ဖြာခြင်း သို့ သွားပါ။

Dependent variable အတွက် ရမှတ်ကို ရွေးပါ။ မော်ဒယ်အတွက်၊ လူ နှင့် မူးယစ်ဆေးကို ရှင်းလင်းချက်နှစ်မျိုးအဖြစ် ရွေးချယ်ပါ။ ထပ်ခါတလဲလဲ တိုင်းတာမှု ကိန်းရှင်များ ဟူသော အကွက်ကို အမှန်ခြစ်ပြီး ထပ်ခါထပ်ခါ ကိန်းရှင်အဖြစ် မူးယစ်ဆေးဝါးကို ရွေးချယ်ပါ။ ကျန်တာတွေအားလုံးကို ချန်ထားပြီး OK ကို နှိပ်ပါ။

၎င်းသည် ထပ်ခါတလဲလဲတိုင်းတာမှုများ ANOVA ၏ရလဒ်များကိုပြသသည့်အောက်ပါဇယားနှစ်ခုကိုအလိုအလျောက်ထုတ်ပေးလိမ့်မည်-

ပထမဇယားတွင်၊ ဆေးဝါး ပြောင်းလဲမှုအတွက် F တန်ဖိုး နှင့် p တန်ဖိုး (Prob>F အဖြစ်ပြသထားသည်) ကို ကျွန်ုပ်တို့စိတ်ဝင်စားပါသည်။ F = 24.76 နှင့် p-value သည် 0.000 ဖြစ်ကြောင်း သတိပြုပါ။ ၎င်းသည် ဆေးလေးမျိုး၏ ပျမ်းမျှရမှတ်များအကြား ကိန်းဂဏန်းအရ သိသာထင်ရှားသော ခြားနားချက်ကို ဖော်ပြသည်။

လုံးပတ်၏ယူဆချက်ကို ချိုးဖောက်သည်ဟု ကျွန်ုပ်တို့သံသယရှိမှသာ ဒုတိယဇယားကို အသုံးပြုသင့်သည်။ ဤသည်မှာ အတွဲလိုက်အုပ်စု ပေါင်းစပ်မှုအားလုံးကြားရှိ ကွဲလွဲမှုများ၏ ကွဲလွဲမှုများသည် တန်းတူဖြစ်ရမည်ဟူသော ယူဆချက်ဖြစ်သည်။ ဤယူဆချက်ကို ချိုးဖောက်သည်ဟု ကျွန်ုပ်တို့ယုံကြည်ပါက၊ ပြုပြင်ခြင်းအချက်သုံးချက်ထဲမှ တစ်ခုကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်- Hunyh-Feldt epsilon၊ Greenhouse-Geisser epsilon သို့မဟုတ် ရှေးရိုးစွဲသေတ္တာ epsilon ကို အသုံးပြုနိုင်ပါသည်။

ဤပြင်ဆင်မှု အကြောင်းရင်းသုံးခုတစ်ခုစီအတွက် ဆေးဝါး ပြောင်းလဲမှုအတွက် p-တန်ဖိုးကို ပြသည်-

• Hunyh-Feldt (HF) p-value = 0.000
• ဖန်လုံအိမ်-ဂစ်ဆာ (GG) p-value = 0.0006
• Box ၏ ရှေးရိုးစွဲ p-value (Box) = 0.0076

p-တန်ဖိုးတစ်ခုစီသည် 0.05 ထက်နည်းသည်ကို သတိပြုပါ၊ ထို့ကြောင့် ကျွန်ုပ်တို့အသုံးပြုသည့် ဆေးလေးမျိုး၏ ပျမ်းမျှရမှတ်များကြားတွင် ကိန်းဂဏန်းအရ သိသာထင်ရှားသော ကွာခြားချက်ရှိနေပါသည်။

အဆင့် 4- ရလဒ်များကို သတင်းပို့ပါ။

နောက်ဆုံးတွင်၊ ကျွန်ုပ်တို့၏ ထပ်ခါတလဲလဲ တိုင်းတာမှုများ ANOVA ၏ ရလဒ်များကို အစီရင်ခံပါမည်။ ဤသည်မှာ ဤအရာကို ပြုလုပ်ပုံ၏ ဥပမာတစ်ခုဖြစ်သည်။

တုံ့ပြန်မှုအချိန်ပေါ်တွင် မတူညီသောဆေးဝါးလေးမျိုး၏ အကျိုးသက်ရောက်မှုကို စစ်ဆေးရန် ANOVA ကို တစ်လမ်းသွား ထပ်ခါတလဲလဲ တိုင်းတာမှုများ ပြုလုပ်ခဲ့သည်။

ရလဒ်များက အသုံးပြုသော ဆေးအမျိုးအစားသည် တုံ့ပြန်ချိန်၌ ကိန်းဂဏန်းသိသိသာသာ ကွဲပြားမှုများ ဖြစ်ပေါ်ခဲ့သည် (F(3၊ 12) = 24.75၊ p < 0.001)။