Excel တွင် ancova ကိုမည်သို့လုပ်ဆောင်ရမည်နည်း။


ANCOVA (“ ကွဲလွဲမှုကို ခွဲခြမ်းစိတ်ဖြာခြင်း” ) ကို တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော covariates အတွက် ထိန်းချုပ်ပြီးနောက် သီးခြားလွတ်လပ်သောအုပ်စုသုံးစု၏ နည်းလမ်းများကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ခြားနားချက်ရှိမရှိ ဆုံးဖြတ်ရန် အသုံးပြုပါသည်။

ဤသင်ခန်းစာသည် Excel တွင် ANCOVA ကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- Excel တွင် ANCOVA

မတူညီသော လေ့လာမှုနည်းပညာသုံးမျိုးသည် စာမေးပွဲရမှတ်များအပေါ် သက်ရောက်မှုရှိမရှိကို ဆရာတစ်ဦးမှ သိချင်သော်လည်း အတန်းထဲတွင်ရှိပြီးသား ကျောင်းသား၏ လက်ရှိအတန်းကို ထည့်သွင်းစဉ်းစားစေလိုပါသည်။

၎င်းသည် အောက်ပါ variable များကိုအသုံးပြု၍ ANCOVA ကိုလုပ်ဆောင်လိမ့်မည်-

  • Factor ပြောင်းလဲမှု- နည်းပညာဆိုင်ရာလေ့လာမှု
  • Covariate- လက်ရှိရမှတ်
  • တုံ့ပြန်မှုပြောင်းလဲနိုင်သော- စာမေးပွဲရမှတ်

အောက်ပါဇယားသည် လေ့လာမှုတွင် ပါဝင်ရန် ခေါ်ယူထားသော ကျောင်းသား ၁၅ ဦး၏ ဒေတာအတွဲကို တင်ဆက်သည်-

Excel ရှိ ANCOVA ဒေတာအတွဲ

ဤဒေတာအတွဲတွင် ANCOVA လုပ်ဆောင်ရန် အောက်ပါအဆင့်များကို လိုက်နာပါ-

အဆင့် 1: ဒေတာကိုထည့်ပါ။

ပထမဦးစွာ အောက်ပါပုံစံဖြင့် ဒေတာကို ထည့်သွင်းပါ။

Excel တွင် ANCOVA ဖော်မတ်

အဆင့် 2- ကော်လံတစ်ခုစီအတွက် ပျမ်းမျှနှင့် ကွဲလွဲမှုကို တွက်ချက်ပါ။

ထို့နောက် ကော်လံတစ်ခုစီအတွက် ပျမ်းမျှနှင့် ကွဲလွဲမှုကို တွက်ချက်ပါ-

အဆင့် 3- ဆုတ်ယုတ်မှုမျဉ်းများ၏ စောင်းများကို တွက်ချက်ပါ။

ထို့နောက်၊ လေ့လာမှုနည်းလမ်းတစ်ခုစီအတွက် စာမေးပွဲရမှတ်များ၏ ဆုတ်ယုတ်မှုမျဉ်းများ၏စောင်းများကို တွက်ချက်ပါမည်။

မှတ်ချက်- ဆဲလ် B21:E28 သည် ဆဲလ် B13:E19 ရှိ တန်ဖိုးများကို ရယူရန် အသုံးပြုသည့် ဖော်မြူလာများကို ပြသသည်။

အဆင့် 4- စာမေးပွဲရမှတ်များနှင့် လက်ရှိအဆင့်တွင် တစ်လမ်းမောင်း ANOVA ကို သီးခြားလုပ်ဆောင်ပါ။

ထို့နောက်၊ ကျွန်ုပ်တို့သည် စာမေးပွဲရလဒ်များအတွက် တစ်လမ်းမောင်း ANOVA ကို လုပ်ဆောင်ပါမည်-

ကိုးကား- Excel တွင် တစ်လမ်းမောင်း ANOVA လုပ်ဆောင်နည်း

ဆက်လက်၍ ကျွန်ုပ်တို့သည် လက်ရှိအဆင့်သတ်မှတ်ချက်များအပေါ် တစ်လမ်းသွား ANOVA ကို လုပ်ဆောင်ပါမည်-

အဆင့် 5- ANCOVA ဇယားကို အပြီးသတ်ပါ။

ထို့နောက် ANCOVA ဇယားကို ဖြည့်စွက်ပါမည်။

မှတ်ချက်- ဆဲလ်များ H39:M43 သည် ဆဲလ် B39:F43 ရှိ တန်ဖိုးများကို ရယူရန် အသုံးပြုသည့် ဖော်မြူလာများကို ပြသသည်။

အဆင့် 6: ရလဒ်များကို ဘာသာပြန်ပါ။

ANCOVA ဇယားမှ၊ လေ့လာမှုနည်းပညာအတွက် p-တန်ဖိုးသည် 0.032 ဖြစ်သည်ကို ကျွန်ုပ်တို့တွေ့မြင်ရသည်။ ဤတန်ဖိုးသည် 0.05 ထက်နည်းသောကြောင့်၊ လေ့လာမှုနည်းစနစ်တစ်ခုစီသည် အတန်းရှိကျောင်းသား၏လက်ရှိအတန်းအတွက် စာရင်းတွက်ချက်ပြီးသည့်တိုင် တူညီသောပျမ်းမျှစာမေးပွဲအဆင့်သို့ ဦးတည်စေသော null hypothesis ကို ငြင်းပယ်နိုင်ပါသည်။

မှတ်ချက်တစ်ခုထည့်ပါ။

သင့် email လိပ်စာကို ဖော်ပြမည် မဟုတ်ပါ။ လိုအပ်သော ကွက်လပ်များကို * ဖြင့်မှတ်သားထားသည်