Anova တွင် grand mean တွက်နည်း (ဥပမာနှင့်အတူ)
စာရင်းအင်းများတွင်၊ သက်ဆိုင်သောလူဦးရေ၏နည်းလမ်းများကြားတွင် စာရင်းအင်းအရသိသာထင်ရှားသောခြားနားချက်ရှိမရှိဆုံးဖြတ်ရန် တစ်လမ်းသွား ANOVA ကို အသုံးပြုသည်။
ANOVA ကိုအသုံးပြုသည့်အခါ ကျွန်ုပ်တို့အမြဲတွက်ချက်သည့်မက်ထရစ်တစ်ခုသည် ဒေတာအတွဲရှိ မှတ်သားမှု အားလုံး၏ပျမ်းမျှတန်ဖိုးကိုကိုယ်စားပြုသည့် Grand mean ဖြစ်သည်။
အောက်ပါအတိုင်း တွက်ချက်သည်။
ယေဘူယျပျမ်းမျှ = Σx i /n
ရွှေ-
- x i : dataset တွင် i th observation
- n : ဒေတာအတွဲရှိ စောင့်ကြည့်မှု စုစုပေါင်းအရေအတွက်
Grand mean သည် နောက်ဆုံး ANOVA ဇယားတွင်အဆုံးသတ်သည့် အရေးကြီးသောတန်ဖိုးဖြစ်သည့် စတုရန်းစုစုပေါင်းကို တွက်ချက်ရန် ဖော်မြူလာတွင်အသုံးပြုသောကြောင့် အရေးကြီးပါသည်။
အောက်ဖော်ပြပါ ဥပမာသည် လက်တွေ့တွင် ANOVA ၏ ကြီးမြတ်သော ပျမ်းမျှအား တွက်ချက်နည်းကို ပြသထားသည်။
ဥပမာ- ANOVA တွင် ယေဘူယျပျမ်းမျှ တွက်ချက်ခြင်း။
မတူညီသော စာမေးပွဲပြင်ဆင်မှု ပရိုဂရမ်သုံးခုသည် ပေးထားသော စာမေးပွဲတစ်ခုတွင် မတူညီသော ပျမ်းမျှရမှတ်များ ဖြစ်ပေါ်လာခြင်း ရှိ၊မရှိ သိလိုသည်ဆိုပါစို့။ ဤအရာကို စမ်းသပ်ရန်အတွက် ကျွန်ုပ်တို့သည် လေ့လာမှုတစ်ခုတွင် ပါဝင်ရန် ကျောင်းသား 30 ကို စုဆောင်းပြီး ၎င်းတို့ကို အုပ်စုသုံးစုခွဲထားသည်။
အုပ်စုတစ်ခုစီရှိ ကျောင်းသားများသည် စာမေးပွဲအတွက် ပြင်ဆင်ရန် တစ်လအတွက် စာမေးပွဲပြင်ဆင်မှု ပရိုဂရမ်သုံးခုထဲမှ တစ်ခုကို အသုံးပြုရန် ကျပန်းသတ်မှတ်ပေးထားသည်။ လကုန်တွင် ကျောင်းသားအားလုံး စာမေးပွဲကို အတူတူဖြေဆိုကြသည်။
အုပ်စုတစ်ခုစီအတွက် စာမေးပွဲရလဒ်များကို အောက်တွင် ဖော်ပြထားသည်။
ဤဒေတာအတွဲ၏ ကြီးကျယ်သောပျမ်းမျှပျမ်းမျှအား တွက်ချက်ရန်၊ ကျွန်ုပ်တို့သည် ရှုမြင်သုံးသပ်ချက်အားလုံးကို ရိုးရိုးရှင်းရှင်း ပေါင်းထည့်ပြီးနောက် စုစုပေါင်းကြည့်ရှုမှုအရေအတွက်ဖြင့် ပိုင်းခြားသည်-
ပျမ်းမျှအားဖြင့်- (၈၅+၈၆+၈၈+၇၅+၇၈+၉၄+၉၈+၇၉+၇၁+၈၀+၉၁+၉၂+၉၃+၈၅+၈၇+၈၄+၈၂+၈၈+၉၅+၉၆+၇၉+၇၈+၈၈+၊ 94 + 92 + 85 + 83 + 85 + 82 + 81) / 30 = 85.8 ။
စုစုပေါင်းပျမ်းမျှ 85.8 ဖြစ်ပါတယ်။ ၎င်းသည် ကျောင်းသား 30 ၏ ပျမ်းမျှ စာမေးပွဲရမှတ်ကို ကိုယ်စားပြုသည်။
ဤတန်ဖိုးသည် တစ်ဦးချင်းအုပ်စုပျမ်းမျှနှုန်းများနှင့် ကိုက်ညီမည်မဟုတ်ကြောင်း သတိပြုပါ။
ဥပမာအားဖြင့်၊ ကျောင်းသားအုပ်စုတစ်ခုစီအတွက် ပျမ်းမျှအား တွက်ချက်ပါက၊ မည်သည့်အဖွဲ့မျှ ပျမ်းမျှအားဖြင့် အမှန်တကယ် ယေဘုယျပျမ်းမျှ (သို့မဟုတ် “ အလုံးစုံ” ပျမ်းမျှနှင့် ကိုက်ညီမှုရှိသည်ကို တွေ့ရမည်ဖြစ်ပါသည်။
ထို့နောက် ရှုမြင်မှုတစ်ခုစီနှင့် ကြီးကျယ်သော ဆိုလိုရင်းအကြား နှစ်ထပ်သွေဖည်မှု၏ ပေါင်းလဒ်အဖြစ် တွက်ချက်သည့် စတုရန်း၏ စုစုပေါင်း ပေါင်းလဒ် ကို တွက်ချက်ရန် ဤမဟာပျမ်းမျှအား ဖော်မြူလာတွင် အသုံးပြုသည်-
စုစုပေါင်း နှစ်ထပ်ကိန်းများ- (85 – 85.8) 2 + (86 – 85.8) 2 + (88 – 85.8) 2 + ။ . . + (82 – 85.8) 2 + (81 – 85.8) 2 = 1292.8 ။
ထို့နောက် နောက်ဆုံး ANOVA ဇယားတွင် ဤတန်ဖိုးကို ရွေးချယ်နိုင်သည်-
| အရင်းအမြစ် | စတုရန်းများပေါင်း (SS) | df | ပျမ်းမျှစတုရန်းများ (MS) | F |
|---|---|---|---|---|
| ကုသမှု | ၁၉၂.၂ | ၂ | ၉၆.၁ | ၂,၃၅၈ |
| အမှား | ၁၁၀၀.၆ | ၂၇ | ၄၀.၈ | |
| စုစုပေါင်း | ၁၂၉၂.၈ | ၂၉ |
ဆက်စပ်- ANOVA တွင် F-Value နှင့် P-Value ကို မည်သို့အဓိပ္ပာယ်ပြန်ဆိုမည်နည်း။
သတင်းကောင်းမှာ စာရင်းအင်းဆော့ဖ်ဝဲအများစုသည် ၎င်းကို သင့်အတွက် လုပ်ဆောင်ပေးနိုင်သောကြောင့် ANOVA ၏ ကြီးကျယ်သော ဆိုလိုရင်းကို သင်ကိုယ်တိုင် တွက်ချက်ရန်မှာ ရှားပါးပါသည်။
သို့ရာတွင်၊ ကြီးမြတ်သောပျမ်းမျှအား မည်ကဲ့သို့ တွက်ချက်သည်ကို ANOVA ဇယားတွင် အမှန်တကယ်အသုံးပြုကြောင်း သိရန်ကောင်းပါသည်။
ထပ်လောင်းအရင်းအမြစ်များ
အောက်ဖော်ပြပါ သင်ခန်းစာများသည် တစ်လမ်းမောင်း ANOVA ကို လက်တွေ့တွင် မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-
တစ်လမ်းမောင်း ANOVA ကို ကိုယ်တိုင်လုပ်ဆောင်နည်း
Excel တွင် One-Way ANOVA လုပ်ဆောင်နည်း
တစ်လမ်းမောင်း ANOVA ကို R ဖြင့် မည်သို့လုပ်ဆောင်ရမည်နည်း။
စာရေးသူအကြောင်း
Benjamin Anderson
မင်္ဂလာပါ၊ ကျွန်ုပ်သည် အငြိမ်းစား စာရင်းအင်း ပါမောက္ခ ဘင်ဂျမင်ဖြစ်ပြီး သီးသန့် Statorials ဆရာအဖြစ် လှည့်ပတ်ပါသည်။ စာရင်းဇယားနယ်ပယ်တွင် ကျယ်ပြန့်သောအတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုနှင့်အတူ၊ Statorials မှတစ်ဆင့် ကျောင်းသားများကို ခွန်အားဖြစ်စေရန်အတွက် ကျွန်ုပ်၏အသိပညာကို မျှဝေလိုပါသည်။ ပိုသိတယ်။