R တွင် တန်းတူညီမျှမှုကွဲလွဲမှုများအတွက် levene ၏စမ်းသပ်မှုကို မည်သို့လုပ်ဆောင်ရမည်နည်း။

ကိန်းဂဏန်းစစ်ဆေးမှုများစွာ (ဥပမာ- တစ်လမ်းသွား ANOVA သို့မဟုတ် နှစ်လမ်းသွား ANOVA ကဲ့သို့) အုပ်စုများစွာကြားကွဲလွဲမှုသည် ညီမျှသည်ဟု ယူဆသည်။

ဤယူဆချက်အား တရားဝင်စမ်းသပ်ရန် နည်းလမ်းတစ်ခုမှာ အုပ်စုနှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော အုပ်စုများကြားတွင် ကွဲလွဲမှု တူညီမှုရှိမရှိ စမ်းသပ်သည့် Levene test ကို အသုံးပြုခြင်းဖြစ်သည်။

ဤစစ်ဆေးမှုသည် အောက်ပါယူဆချက်များကို အခြေခံပါသည်။

Null hypothesis (H ₀ ) : အုပ်စုများကြား ကွဲလွဲမှုမှာ တန်းတူဖြစ်သည်။

Alternative hypothesis ( _HA ) : အုပ်စုများကြား ကွဲလွဲမှု ညီမျှခြင်း မရှိပါ ။

စာမေးပွဲ၏ p-value သည် ရွေးချယ်ထားသော အရေးပါမှုအဆင့်ထက် လျော့နည်းပါက၊ null hypothesis ကို ငြင်းပယ်နိုင်ပြီး အုပ်စုများကြား ကွဲလွဲမှုမှာ တန်းတူမဟုတ်ကြောင်း ပြောရန် လုံလောက်သော အထောက်အထားများရှိသည်ဟု ကောက်ချက်ချနိုင်သည်။

R တွင် Levene ၏စမ်းသပ်မှုကိုမည်သို့လုပ်ဆောင်ရမည်နည်း။

R တွင် Levene စမ်းသပ်မှုကို လုပ်ဆောင်ရန်၊ အောက်ပါ syntax ကိုအသုံးပြုသည့် ကား စာကြည့်တိုက်မှ leveneTest() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်ပါသည်။

leveneTest (တုံ့ပြန်မှုကိန်းရှင် ~ အုပ်စုကွဲလွဲနိုင်သော၊ ဒေတာ = ဒေတာ)

ဥပမာအနေဖြင့်၊ မတူညီသောကိုယ်အလေးချိန်အစီအစဉ်သုံးခုဖြင့် ကိုယ်အလေးချိန်မည်မျှဆုံးရှုံးသွားသည်ကို ဖော်ပြသည့် အောက်ပါဒေတာဘောင်ကို သုံးသပ်ကြည့်ပါ-

 #make this example reproducible
set. seeds (0)

#create data frame
data <- data. frame (program = rep(c("A", "B", "C"), each = 30 ),
                   weight_loss = c(runif(30, 0, 3),
                                   runif(30, 0, 5),
                                   runif(30, 1, 7)))

#view first six rows of data frame
head(data)

# program weight_loss
#1 A 2.6900916
#2 A 0.7965260
#3 A 1.1163717
#4 A 1.7185601
#5 A 2.7246234
#6 A 0.6050458

ဤပရိုဂရမ်သုံးခုကြားတွင် ကိုယ်အလေးချိန်ကွဲလွဲမှု ညီမျှခြင်းရှိမရှိ စစ်ဆေးရန်၊ ကျွန်ုပ်တို့သည် leveneTest() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်ပြီး ထင်ရှားသည့်အဆင့်အဖြစ် 0.05 ကို အသုံးပြုနိုင်ပါသည်။

 #load car package
library (car)

#conduct Levene's Test for equality of variances
leveneTest(weight_loss ~ program, data = data)

#Levene's Test for Homogeneity of Variance (center = median)
# Df F value Pr(>F)  
#group 2 4.1716 0.01862 *
#87                  
#---
#Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

စာမေးပွဲ၏ p-တန်ဖိုးသည် 0.01862 ဖြစ်ပြီး ကျွန်ုပ်တို့၏ အရေးပါမှုအဆင့် 0.05 အောက်ဖြစ်သည်။

ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် null hypothesis ကို ငြင်းပယ်ပြီး အုပ်စုသုံးစုကြား ကွဲလွဲမှုသည် မညီမျှ ကြောင်း ကောက်ချက်ချပါသည်။

ကွဲပြားမှုများတွင် ကွဲပြားမှုများကို မြင်ယောင်ကြည့်ပါ။

Levene စမ်းသပ်မှုကို လုပ်ဆောင်ခြင်းဖြင့် အုပ်စုသုံးစုကြား ကွဲလွဲမှုများ မညီမျှကြောင်း ကျွန်ုပ်တို့ သိပါသည်။

ဤစမ်းသပ်မှုကို လုပ်ဆောင်ခြင်းအပြင်၊ အုပ်စုသုံးစုတစ်ခုစီအတွက် ကိုယ်အလေးချိန်လျှော့ချခြင်းဆိုင်ရာ ဖြန့်ဝေမှုကိုပြသသည့် အကွက်ကွက်များကို ဖန်တီးနိုင်သည်၊ သို့မှသာ Levene ၏ စမ်းသပ်မှုသည် ကွဲပြားမှုများ၏ တန်းတူညီမျှမှုဆိုင်ရာ နိယာမသဘောတရားကို အဘယ်ကြောင့် ပယ်ချသည်ကို မြင်သာစွာနားလည်နိုင်မည်ဖြစ်သည်။

 boxplot(weight_loss ~ program,
  data = data,
  main = "Weight Loss Distribution by Program",
  xlab = "Program",
  ylab = "Weight Loss",
  col = "steelblue",
  border = "black")

ပရိုဂရမ် C တွင်ပါဝင်သူများအတွက် အခြားပရိုဂရမ်နှစ်ခုထက် ကိုယ်အလေးချိန်လျှော့ချရာတွင် ကွဲလွဲမှု သိသိသာသာ မြင့်မားသည်ကို ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။

ထို့ကြောင့် Levene ၏ စမ်းသပ်မှုသည် အုပ်စုသုံးစုကြား ကွဲလွဲမှုများ တူညီသည်ဟူသော null hypothesis ကို ငြင်းပယ်ခြင်းသည် ယုတ္တိတန်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် Levene စမ်းသပ်မှုကို မတူညီသော စာရင်းအင်းဆော့ဖ်ဝဲတွင် မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

Excel တွင် Levene စာမေးပွဲကိုမည်သို့လုပ်ဆောင်ရမည်နည်း။
Python တွင် Levene စမ်းသပ်မှုပြုလုပ်နည်း
SPSS တွင် Levene Test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။
Stata တွင် Levene စမ်းသပ်မှုပြုလုပ်နည်း