Anova တွင် မြင့်မားသော f တန်ဖိုးဟူသည် အဘယ်နည်း။
တစ်လမ်းသွား ANOVA ကို သုံးသော သို့မဟုတ် ထို့ထက်မကသော အမှီအခိုကင်းသော အုပ်စုများ၏ အဓိပ္ပါယ်မှာ တန်းတူရှိ/မရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။
တစ်လမ်းသွား ANOVA သည် အောက်ပါ null နှင့် အခြားအခြားသော အယူအဆများကို အသုံးပြုသည်-
- H 0 : အုပ်စုဟူသည် အားလုံး ညီတူညီမျှဖြစ်သည်။
- H A : အနည်းဆုံးအုပ်စုတစ်ခု၏ပျမ်းမျှသည် အခြားအုပ်စုများနှင့်မတူပါ။
တစ်လမ်းမောင်း ANOVA ကို သင်လုပ်ဆောင်တိုင်း၊ အောက်ပါပုံသဏ္ဍာန်ရှိသော အကျဉ်းချုပ်ဇယားတစ်ခုဖြင့် သင် အဆုံးသတ်ပါမည်-
| အရင်းအမြစ် | စတုရန်းများပေါင်း (SS) | df | ပျမ်းမျှစတုရန်းများ (MS) | F | P-တန်ဖိုး |
|---|---|---|---|---|---|
| ကုသမှု | ၁၉၂.၂ | ၂ | ၉၆.၁ | ၂,၃၅၈ | ၀.၁၁၃၈ |
| အမှား | ၁၁၀၀.၆ | ၂၇ | ၄၀.၈ | ||
| စုစုပေါင်း | ၁၂၉၂.၈ | ၂၉ |
ဇယားရှိ F တန်ဖိုးကို အောက်ပါအတိုင်း တွက်ချက်သည်။
- F Value = Mean Squares Processing / Mean Squares အမှား
ဤအရာကိုရေးရန်နောက်ထပ်နည်းလမ်းမှာ-
- F-value = နမူနာဆိုသည်မှာ နမူနာများကြား ကွဲလွဲမှု/ နမူနာများအတွင်း ကွဲလွဲမှု
နမူနာဆိုလိုသည်များအကြား ကွဲလွဲမှုသည် နမူနာတစ်ခုစီရှိ ကွဲလွဲမှုနှင့် နှိုင်းယှဉ်ပါက F တန်ဖိုးသည် ကြီးမားမည်ဖြစ်သည်။
ဥပမာအားဖြင့်၊ အထက်ဇယားရှိ F တန်ဖိုးကို အောက်ပါအတိုင်း တွက်ချက်သည်-
- F-value = 96.1 / 40.8 = 2.358
ဤ F-တန်ဖိုးနှင့် ကိုက်ညီသော p-တန်ဖိုးကို ရှာဖွေရန်၊ ပိုင်းဝေ = df တွင် လွတ်လပ်မှုဒီဂရီများပါသည့် F-distribution ဂဏန်းတွက်စက်ကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်သည်။
ဥပမာအားဖြင့်၊ F-တန်ဖိုး 2.358၊ ပိုင်းဝေ df = 2 နှင့် ပိုင်းခြေ df = 27 သည် 0.1138 ဖြစ်သည်။
ဤ p-value သည် α = 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။ ဆိုလိုသည်မှာ အုပ်စုသုံးစု၏ နည်းလမ်းများကြားတွင် စာရင်းအင်းအရ သိသာထင်ရှားသော ခြားနားမှု မရှိဟု ဆိုလိုသည်။
ANOVA ၏ F တန်ဖိုးကိုကြည့်ပါ။
ANOVA ဇယားရှိ F တန်ဖိုး၏ အလိုလိုသိနားလည်မှုရရှိရန် အောက်ပါဥပမာကို သုံးသပ်ကြည့်ပါ။
မတူညီသော လေ့လာသင်ယူမှုနည်းပညာသုံးမျိုးသည် မတူညီသော ပျမ်းမျှစာမေးပွဲရမှတ်များကို ထုတ်ပေးခြင်းရှိမရှိ ဆုံးဖြတ်ရန် တစ်လမ်းသွား ANOVA ကို လုပ်ဆောင်လိုသည်ဆိုပါစို့။ အောက်ဖော်ပြပါဇယားသည် နည်းပညာတစ်ခုစီကို အသုံးပြုသည့် ကျောင်းသား ၁၀ ဦး၏ စာမေးပွဲရလဒ်ကို ပြသသည်-
အုပ်စုအလိုက် စာမေးပွဲရလဒ်များကို မြင်ယောင်နိုင်ရန် အောက်ပါဇယားကို ဖန်တီးနိုင်သည်-
နမူနာ များအတွင်း ကွဲလွဲမှုကို နမူနာတစ်ခုချင်းစီအတွင်း တန်ဖိုးများ ဖြန့်ဝေခြင်းဖြင့် ကိုယ်စားပြုသည်-
နမူနာများ အကြား ကွဲလွဲမှုကို နမူနာဆိုလိုသည်များကြား ကွဲပြားမှုများဖြင့် ကိုယ်စားပြုသည်-
ဤဒေတာအတွဲအတွက် တစ်လမ်းသွား ANOVA ကို လုပ်ဆောင်ခြင်းဖြင့် F-value သည် 2.358 ဖြစ်ပြီး သက်ဆိုင်ရာ p-value သည် 0.1138 ဖြစ်ကြောင်း ကျွန်ုပ်တို့ တွေ့ရှိရပါသည်။
ဤ p-value သည် 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။ ဆိုလိုသည်မှာ ပျမ်းမျှ စာမေးပွဲရမှတ်များတွင် ကိန်းဂဏန်းအချက်အလတ်များ သိသိသာသာ ကွာခြားချက်များ ရှိသည်ဆိုသည်ကို သက်သေပြရန် ကျွန်ုပ်တို့တွင် လုံလောက်သော အထောက်အထား မရှိပါ။
တစ်နည်းအားဖြင့်၊ ၎င်းသည် နမူနာဆိုလိုသည်များအကြား ကွဲလွဲမှုသည် null hypothesis ကိုငြင်းပယ်ရန် နမူနာများအတွင်းကွဲလွဲမှုနှင့် ဆက်စပ်မှုမမြင့်မားကြောင်း ကျွန်ုပ်တို့ကိုပြောပြသည်။
နိဂုံး
ဤဆောင်းပါး၏ အဓိကအချက်များကို အကျဉ်းချုပ် အကျဉ်းချုပ် ဖော်ပြထားပါသည်-
- ANOVA တစ်ခုရှိ F တန်ဖိုးကို တွက်ချက်သည်- နမူနာဆိုသည်မှာ နမူနာများကြားတွင် ကွဲလွဲမှု/နမူနာများအတွင်း ကွဲလွဲမှု။
- ANOVA တစ်ခုတွင် F တန်ဖိုး ပိုများလေ၊ နမူနာများကြား ကွဲလွဲမှု ပိုများလေ၊ နမူနာများအတွင်းရှိ ကွဲလွဲမှုနှင့် ဆက်စပ်မှု ပိုများလေဖြစ်သည်။
- F တန်ဖိုးမြင့်လေ၊ သက်ဆိုင်ရာ p တန်ဖိုး နိမ့်လေပါပဲ။
- p-value သည် သတ်မှတ်ထားသော အတိုင်းအတာတစ်ခုအောက် ရောက်နေပါက (ဥပမာ α = 0.05) သည် ANOVA ၏ null hypothesis ကို ငြင်းပယ်နိုင်ပြီး အုပ်စုဆိုလိုသည်များကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ခြားနားချက် ရှိသည်ဟု ကောက်ချက်ချနိုင်သည်။
ထပ်လောင်းအရင်းအမြစ်များ
Excel တွင် One-Way ANOVA လုပ်ဆောင်နည်း
တစ်လမ်းမောင်း ANOVA ကို ကိုယ်တိုင်လုပ်ဆောင်နည်း
တစ်လမ်းမောင်း ANOVA ဂဏန်းတွက်စက်
စာရေးသူအကြောင်း
Benjamin Anderson
မင်္ဂလာပါ၊ ကျွန်ုပ်သည် အငြိမ်းစား စာရင်းအင်း ပါမောက္ခ ဘင်ဂျမင်ဖြစ်ပြီး သီးသန့် Statorials ဆရာအဖြစ် လှည့်ပတ်ပါသည်။ စာရင်းဇယားနယ်ပယ်တွင် ကျယ်ပြန့်သောအတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုနှင့်အတူ၊ Statorials မှတစ်ဆင့် ကျောင်းသားများကို ခွန်အားဖြစ်စေရန်အတွက် ကျွန်ုပ်၏အသိပညာကို မျှဝေလိုပါသည်။ ပိုသိတယ်။