Stata တွင်နမူနာနှစ်ခု t-test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။

နမူနာနှစ်ခု t-test ကို လူဦးရေ နှစ်ခု၏ အဓိပ္ပါယ်သည် ညီမျှခြင်း ရှိ၊ မရှိ စမ်းသပ်ရန် အသုံးပြုပါသည်။

ဤသင်ခန်းစာသည် Stata တွင် နမူနာနှစ်ခု t-test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- Stata ရှိ နမူနာ t-test နှစ်ခု

လောင်စာဆီကုသမှုအသစ်သည် ကားတစ်စီး၏ပျမ်းမျှ mpg ကို ပြောင်းလဲစေခြင်း ရှိ၊ မရှိ သုတေသီများ သိလိုကြသည်။ ယင်းကို စမ်းသပ်ရန်အတွက် ကား ၁၂ စီးတွင် လောင်စာဆီ ကုသမှုအသစ်ကို လက်ခံရရှိကာ ၁၂ ကားမရရှိသည့် စမ်းသပ်မှုတစ်ခုကို ပြုလုပ်ခဲ့သည်။

ဤအုပ်စုနှစ်ခုကြားတွင် ပျမ်းမျှ mpg ကွာခြားမှုရှိမရှိ ဆုံးဖြတ်ရန် နမူနာနှစ်ခု t-test ကိုလုပ်ဆောင်ရန် အောက်ပါအဆင့်များကို ပြီးအောင်လုပ်ပါ။

အဆင့် 1: ဒေတာကို တင်ပါ။

ပထမဦးစွာ၊ command box တွင် https://www.stata-press.com/data/r13/fuel3 ကိုသုံး၍ Enter နှိပ်ပြီး ဒေတာကို တင်ပါ။

အဆင့် 2: ဒေတာအကြမ်းကိုကြည့်ပါ။

နမူနာနှစ်ခု t-test မလုပ်ဆောင်မီ၊ ဒေတာအကြမ်းကို ဦးစွာကြည့်ကြပါစို့။ အပေါ်ဆုံး menu bar မှ Data > Data Editor > Data Editor (Browse) သို့ သွားပါ။ ပထမကော်လံ၊ စိုင်းစိုင်းခမ်းလှိုင် သည် ပေးထားသည့်ကားအတွက် စိုင်းစိုင်းခမ်းလှိုင်ကို ပြသသည်။ ကုသထားသော ဒုတိယကော်လံတွင် ကားသည် လောင်စာဆီ ကုသမှုခံယူခြင်း ရှိ၊ မရှိ ညွှန်ပြသည် (0 = မဟုတ်ဘူး၊ 1 = ဟုတ်)။

အဆင့် 3: ဒေတာကိုမြင်ယောင်ကြည့်ပါ။

နောက်တစ်ခု၊ အချက်အလက်ကို မြင်ယောင်ကြည့်ရအောင်။ အုပ်စုတစ်ခုစီအတွက် စိုင်းစိုင်းခမ်းလှိုင်တန်ဖိုးများ ဖြန့်ကျက်ပြသရန် boxplots များကို ဖန်တီးပါမည် ။

အပေါ်ဆုံး menu bar မှ Charts > Box plot သို့ သွားပါ။ variable များအောက်တွင် mpg ကို ရွေးချယ်ပါ။

ထို့နောက်၊ Grouping Variable အောက်ရှိ Categories ခေါင်းစဉ်ခွဲတွင်၊ Processed ကို ရွေးချယ်ပါ။

OK ကိုနှိပ်ပါ။ အကွက်နှစ်ခုပါသောဇယားကို အလိုအလျောက်ပြသပါမည်-

မကုသရသေးသောအုပ်စု (0) နှင့် နှိုင်းယှဉ်ပါက စိုင်းစိုင်းခမ်းလှိုင်သည် ကုသထားသောအုပ်စု (1) အတွက် ပိုမိုမြင့်မားနေပုံပေါ်ကြောင်း ကျွန်ုပ်တို့ချက်ချင်းမြင်နိုင်သော်လည်း ဤကွာခြားချက်များသည် ကိန်းဂဏန်းအရ သိသာထင်ရှားမှုရှိမရှိကို သိနိုင်ရန် နမူနာနှစ်ခု t-test ပြုလုပ်ရန် လိုအပ်ပါသည်။ .

အဆင့် 4- နမူနာနှစ်ခု t-test ပြုလုပ်ပါ။

ထိပ်တန်းမီနူးဘားမှ၊ စာရင်းအင်းများ > အကျဉ်းချုပ်များ၊ ဇယားများနှင့် စမ်းသပ်မှုများ > ဂန္ထဝင်ယူဆချက်စမ်းသပ်မှုများ > t-Test (စမ်းသပ်မှု၏ နှိုင်းယှဉ်မှု) သို့သွားပါ။

အုပ်စုများကို အသုံးပြု၍ နမူနာနှစ်ခုကို ရွေးပါ။ Variable Name အတွက် mpg ကို ရွေးပါ။ Group Variable Name အတွက်၊ Processed ကို ရွေးပါ။ ယုံကြည်မှုအဆင့်အတွက်၊ သင်အလိုရှိသောအဆင့်ကို ရွေးချယ်ပါ။ 95 တန်ဖိုးသည် 0.05 ၏ အရေးပါမှုအဆင့်နှင့် ကိုက်ညီသည်။ ဒါကို 95 မှာထားခဲ့ပါမယ်။ နောက်ဆုံးအနေနဲ့ OK ကို နှိပ်ပါ။

နမူနာ t-test နှစ်ခု၏ ရလဒ်များကို ပြသပါမည်။

အုပ်စုတစ်ခုစီအတွက် အောက်ပါအချက်အလက်များကို ကျွန်ုပ်တို့ရရှိပါသည်-

Obs- လေ့လာ တွေ့ရှိချက်အရေအတွက်။ အုပ်စုတစ်ခုစီတွင် စောင့်ကြည့်မှု ၁၂ ခုရှိသည်။

ပျမ်းမျှ- ပျမ်းမျှ စိုင်းစိုင်းခမ်းလှိုင်။ အုပ်စု 0 တွင် ပျမ်းမျှသည် 21 ဖြစ်သည်။ အုပ်စု 1 တွင် ပျမ်းမျှသည် 22.75 ဖြစ်သည်။

စံ။ အမှား- σ/√ n အဖြစ် တွက်ချက်ထားသော စံအမှား

စံ။ Dev- စိုင်းစိုင်းခမ်းလှိုင်၏ စံသွေဖည်မှု။

95% Conf. အပိုင်းအခြား- စိုင်းစိုင်းခမ်းလှိုင်၏ စစ်မှန်သောလူဦးရေပျမ်းမျှအတွက် 95% ယုံကြည်မှုကြားကာလ။

t- နမူနာနှစ်ခု t-test ၏စမ်းသပ်မှုစာရင်းအင်း။

လွတ်လပ်မှုဒီဂရီ- n-2 = 24-2 = 22 အဖြစ် တွက်ချက်ပြီး စမ်းသပ်မှုအတွက် အသုံးပြုရန် လွတ်လပ်မှုဒီဂရီ။

မတူညီသော နမူနာနှစ်ခု t-tests သုံးခုအတွက် p-တန်ဖိုးများကို ရလဒ်များ၏အောက်ခြေတွင် ပြသထားသည်။ ပျမ်းမျှ mpg သည် အုပ်စုနှစ်ခုကြားတွင် ရိုးရိုးရှင်းရှင်းကွာခြားခြင်းရှိမရှိ နားလည်လိုသောကြောင့်၊ ကျွန်ုပ်တို့သည် အလယ်အလတ်စမ်းသပ်မှု၏ရလဒ်များ (အခြားသီအိုရီမှာ Ha:diff !=0) ဖြစ်သည့် p-value 0.1673 ရှိသော ရလဒ်များကို ကြည့်ရှုပါမည်။ .

ဤတန်ဖိုးသည် ကျွန်ုပ်တို့၏ အရေးပါမှုအဆင့် 0.05 အောက်မဟုတ်သောကြောင့်၊ ကျွန်ုပ်တို့သည် null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။ စစ်မှန်သောပျမ်းမျှ စိုင်းစိုင်းခမ်းလှိုင်သည် အဖွဲ့နှစ်ဖွဲ့ကြားတွင် ကွဲပြားသည်ဟု ဆိုရန် လုံလောက်သော အထောက်အထား မရှိပါ။

အဆင့် 5: ရလဒ်များကို သတင်းပို့ပါ။

နောက်ဆုံးတွင်၊ ကျွန်ုပ်တို့၏နမူနာ t-test နှစ်ခု၏ ရလဒ်များကို အစီရင်ခံပါမည်။ ဤသည်မှာ ဤအရာကို ပြုလုပ်ပုံ၏ ဥပမာတစ်ခုဖြစ်သည်။

လောင်စာဆီ ကုသမှုအသစ်သည် တစ်ဂါလံလျှင် ပျမ်းမျှမိုင်နှုန်းကွာခြားမှုကို ဆုံးဖြတ်ရန် ကား ၂၄ စီးတွင် နမူနာနှစ်ခု T-test ကို ပြုလုပ်ခဲ့သည်။ အုပ်စုတစ်ခုစီတွင် ကား ၁၂ စီးပါရှိသည်။

ရလဒ်များက ပျမ်းမျှ စိုင်းစိုင်းခမ်းလှိုင်သည် အုပ်စုနှစ်စုကြား (t = -1.428 နှင့် df=22၊ p = 0.1673) တို့၏ အရေးပါမှုအဆင့် 0.05 တွင် မကွဲပြားကြောင်း ရလဒ်များက ပြသခဲ့သည်။

လူဦးရေ၏ စစ်မှန်သောကွာခြားချက်အတွက် 95% ယုံကြည်မှုကြားကာလဆိုသည်မှာ (-4.29၊ 0.79) ကြားကာလကို ပေးပါသည်။