လက်တွေ့ဘဝတွင် anova အသုံးပြုခြင်း၏ ဥပမာ 4 ခု

မကြာခဏဆိုသလို၊ ကျောင်းသားများသည် ကျောင်းတွင် အကြောင်းအရာတစ်ခုခုအကြောင်း လေ့လာသောအခါတွင်၊ သူတို့သည် စူးစမ်းလိုစိတ်ရှိကြသည်။

“ ဒါကို လက်တွေ့ဘဝမှာ ဘယ်အချိန်က သုံးတာလဲ။” »

အချို့သော နည်းစနစ်များနှင့် နည်းလမ်းများသည် မထင်မရှားဖြစ်နေ၍ လက်တွေ့ကမ္ဘာအခြေအနေများတွင် ၎င်းတို့ကို လက်တွေ့အသုံးချရန် စိတ်ကူးရခက်သည့် စာရင်းဇယားများတွင် ယင်းသည် မကြာခဏဖြစ်လေ့ရှိသည်။

သို့သော်လည်း ANOVA (“ ကွဲလွဲမှုကို ခွဲခြမ်းစိတ်ဖြာခြင်း” ၏ အတိုကောက်) သည် လက်တွေ့ဘဝ၏ နယ်ပယ်အသီးသီးတွင် အချိန်ပြည့်အသုံးပြုနေသည့် နည်းပညာတစ်ခုဖြစ်သည်။

ဤဆောင်းပါးတွင်၊ ANOVA ဆိုသည်မှာ ဘာလဲနှင့် လက်တွေ့ကမ္ဘာအခြေအနေများတွင် ၎င်းကို မည်သို့အသုံးပြုကြောင်း ဥပမာလေးခုအကြောင်း ပြန်လည်သုံးသပ်ချက်အကျဉ်းကို မျှဝေပါမည်။

ANOVA ဆိုတာဘာလဲ။

ANOVA (“ ကွဲလွဲမှုကို ခွဲခြမ်းစိတ်ဖြာခြင်း” ) သည် သီးခြားအုပ်စုသုံးစု သို့မဟုတ် ထို့ထက်ပိုသော သီးခြားအုပ်စုများ၏ နည်းလမ်းများကြားတွင် သိသာထင်ရှားသော ခြားနားမှု ရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည့် ကိန်းဂဏန်းနည်းပညာတစ်ခုဖြစ်သည်။ ANOVA ၏ အသုံးအများဆုံး အမျိုးအစား နှစ်မျိုးမှာ တစ်လမ်းသွား ANOVA နှင့် နှစ်လမ်း ANOVA ဖြစ်သည်။

တစ်လမ်းသွား ANOVA ကို တုံ့ပြန်မှုကိန်းရှင်တစ်ခုအပေါ် အချက်တစ်ခု၏ အကျိုးသက်ရောက်မှုကို ဆုံးဖြတ်ရန် အသုံးပြုသည်။ ဥပမာအားဖြင့်၊ မတူညီသော လေ့လာမှုနည်းစနစ်သုံးမျိုးသည် မတူညီသော ပျမ်းမျှစာမေးပွဲရမှတ်များကို ဖြစ်ပေါ်စေသည်ဆိုသည်ကို ကျွန်ုပ်တို့ သိလိုပေမည်။ ပျမ်းမျှ စာမေးပွဲရမှတ်များတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ခြားနားချက်ရှိမရှိကို ကြည့်ရန်၊ ကျွန်ုပ်တို့သည် တစ်လမ်းမောင်း ANOVA ကို လုပ်ဆောင်နိုင်သည်။

နှစ်လမ်းသွား ANOVA ကို တုံ့ပြန်မှုကိန်းရှင်တစ်ခုပေါ်ရှိ အချက်နှစ်ခု၏ အကျိုးသက်ရောက်မှုကို ဆုံးဖြတ်ရန်နှင့် တုံ့ပြန်မှုကိန်းရှင်တွင် အချက်နှစ်ချက်ကြား အပြန်အလှန်အကျိုးသက်ရောက်မှုရှိမရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။ ဥပမာအားဖြင့်၊ ကျား၊မ နှင့် မတူညီသော လေ့ကျင့်ခန်းအဆင့်များသည် ပျမ်းမျှကိုယ်အလေးချိန်ကို မည်ကဲ့သို့ အကျိုးသက်ရောက်သည်ကို ကျွန်ုပ်တို့ သိလိုပေမည်။ ကျွန်ုပ်တို့ သိရှိနိုင်ရန် နှစ်လမ်းသွား ANOVA ကို ပြုလုပ်ပါမည်။

သုံးလမ်း ANOVA၊ လေးလမ်း ANOVA စသည်တို့ကိုလည်း လုပ်ဆောင်နိုင်သည်။ သို့သော် ၎င်းတို့သည် အလွန်ရှားပါးပြီး အချက်များစွာကို အသုံးပြုပါက ANOVA ရလဒ်များကို အဓိပ္ပာယ်ဖွင့်ဆိုရန် ခက်ခဲနိုင်သည်။

ယခု ကျွန်ုပ်တို့သည် ANOVAs ကို လက်တွေ့ဘဝတွင် အမှန်တကယ်အသုံးပြုသည့် မတူညီသော ဥပမာလေးခုကို မျှဝေပါမည်။

Real-World ANOVA နမူနာ #1

အကြီးစားစိုက်ပျိုးရေး လုပ်ငန်းတစ်ခုသည် မတူညီသောမြေသြဇာသုံးမျိုးတွင် မည်သည့်အထွက်နှုန်းကို အမြင့်ဆုံးပေးသည်ကို နားလည်လိုပါသည်။ ၎င်းတို့သည် ဓာတ်မြေသြဇာတစ်ခုစီကို မတူညီသော နယ်ပယ်ဆယ်ခုတွင် ဖြန့်ခင်းပြီး စိုက်ပျိုးရာသီကုန်ဆုံးချိန်တွင် စုစုပေါင်းအထွက်နှုန်းကို တိုင်းတာသည်။

ဤမြေသြဇာသုံးမျိုးမှရရှိသော ပျမ်းမျှအထွက်နှုန်းတွင် ကိန်းဂဏန်းအရ သိသာထင်ရှားသော ခြားနားချက်ရှိမရှိကို နားလည်ရန် သုတေသီများသည် “ မြေသြဇာအမျိုးအစား” နှင့် တုံ့ပြန်မှုအဖြစ် “ သီးနှံအထွက်နှုန်း” ကို အသုံးပြု၍ တစ်လမ်းသွား ANOVA ကို လုပ်ဆောင်နိုင်သည်။

ANOVA ၏ အလုံးစုံ p-တန်ဖိုးသည် ကျွန်ုပ်တို့၏ အရေးပါမှုအဆင့်ထက် နည်းနေပါက (ပုံမှန်အားဖြင့် 0.10၊ 0.05 နှင့် 0.01 ကြားတွင် ရွေးချယ်ထားသည်)၊ သို့ဆိုလျှင် ဓာတ်မြေသြဇာသုံးမျိုးကြား သီးနှံများ၏ ပျမ်းမျှစွမ်းဆောင်ရည်တွင် ကိန်းဂဏန်းအချက်အလတ် သိသိသာသာ ကွာခြားမှုရှိသည်ဟု ကျွန်ုပ်တို့ ကောက်ချက်ချနိုင်ပါသည်။ ထို့နောက် မည်သည့်ဓာတ်မြေသြဇာသည် ပျမ်းမျှအထွက်နှုန်းကို အမြင့်ဆုံးဖြစ်စေနိုင်သည်ကို အတိအကျဆုံးဖြတ်ရန် လွန်စွာစမ်းသပ်မှုကို လုပ်ဆောင်နိုင်သည်။

အစစ်အမှန် ANOVA နမူနာ #2

ဆေးဘက်ဆိုင်ရာသုတေသီများသည် လူနာများတွင် မတူညီသော ပျမ်းမျှသွေးပေါင်ချိန်ကို ကျဆင်းစေသော ဆေးဝါးလေးမျိုးရှိမရှိ သိလိုကြသည်။ ဆေးဝါးတစ်ခုစီကို တစ်လကြာသုံးစွဲရန် လူနာ 20 ကို ကျပန်းသတ်မှတ်ပေးကာ လူနာတစ်ဦးစီအတွက် ပျမ်းမျှသွေးပေါင်ချိန်ကို ဆုံးဖြတ်ရန် ဆေးမစတင်မီနှင့် သောက်သုံးပြီးနောက် သွေးပေါင်ချိန်တိုင်းသည်။

အဆိုပါဆေးဝါးများမှရရှိသောပျမ်းမျှသွေးပေါင်ချိန်လျှော့ချခြင်းတွင်စာရင်းအင်းသိသိသာသာသိသိသာသာကွာခြားမှုရှိမရှိကိုနားလည်ရန်သုတေသီများသည် “ ဆေးဝါးအမျိုးအစား” ကိုအချက်အဖြစ်နှင့် “ သွေးပေါင်ချိန်လျှော့ချခြင်း” ကိုအချက်အဖြစ်သုံး၍ တစ်ကြောင်း ANOVA ကိုလုပ်ဆောင်နိုင်သည်။ အဖြေအဖြစ်။

ANOVA ၏ စုစုပေါင်း p-value သည် ကျွန်ုပ်တို့၏ အရေးပါမှုအဆင့်အောက်တွင် ရှိနေပါက၊ ဆေးဝါးလေးမျိုးကြားရှိ ပျမ်းမျှသွေးပေါင်ချိန်လျှော့ချမှုတွင် စာရင်းအင်းအရ သိသာထင်ရှားသော ကွာခြားချက်ရှိကြောင်း ကျွန်ုပ်တို့ ကောက်ချက်ချနိုင်ပါသည်။ ထို့နောက် မည်သည့်ဆေးဝါးများသည် သိသိသာသာကွဲပြားသောရလဒ်များဆီသို့ ဦးတည်သွားသည်ကို အတိအကျဆုံးဖြတ်ရန် ကျွန်ုပ်တို့သည် လွန်စွာစမ်းသပ်မှုကို လုပ်ဆောင်နိုင်သည်။

Real-World ANOVA နမူနာ #3

ကုန်စုံဆိုင်ခွဲတစ်ခုသည် မတူညီသောကြော်ငြာအမျိုးအစားသုံးမျိုးသည် ပျမ်းမျှရောင်းအားအပေါ် သက်ရောက်မှုရှိမရှိ သိလိုပါသည်။ ၎င်းတို့သည် မတူညီသောစတိုးဆိုင် ၁၀ ခုတွင် တစ်လကြာ ကြော်ငြာအမျိုးအစားတစ်ခုစီကို အသုံးပြုကာ လကုန်တွင် စတိုးဆိုင်တစ်ခုစီ၏ စုစုပေါင်းရောင်းအားကို တိုင်းတာသည်။

ဤကြော်ငြာအမျိုးအစားသုံးမျိုးအကြား ပျမ်းမျှရောင်းအားတွင် ကိန်းဂဏန်းအချက်အလတ်သိသိသာသာကွာခြားမှုရှိမရှိကိုကြည့်ရန်၊ သုတေသီများသည် “ ကြော်ငြာအမျိုးအစား” ကို အကြောင်းရင်းအဖြစ်နှင့် “ အရောင်း” ကို တုံ့ပြန်မှုပြောင်းလွဲပြောင်းအဖြစ် အသုံးပြု၍ တစ်လမ်းသွား ANOVA ကို သုတေသနပြုနိုင်သည်။

ANOVA ၏ စုစုပေါင်း p-value သည် ကျွန်ုပ်တို့၏ အရေးပါမှုအဆင့်အောက်တွင် ရှိနေပါက၊ ကြော်ငြာအမျိုးအစားသုံးမျိုးအကြား ပျမ်းမျှရောင်းအားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ကွာခြားချက်ရှိကြောင်း ကျွန်ုပ်တို့ ကောက်ချက်ချနိုင်ပါသည်။ ထို့နောက် မည်သည့်ကြော်ငြာအမျိုးအစားများသည် သိသိသာသာကွဲပြားသောရလဒ်များဆီသို့ ဦးတည်သွားသည်ကို အတိအကျဆုံးဖြတ်ရန် ကျွန်ုပ်တို့သည် နောက်ပိုင်းတွင် စမ်းသပ်မှုများကို လုပ်ဆောင်နိုင်ပါသည်။

အစစ်အမှန် ANOVA နမူနာ #4

ဇီဝဗေဒပညာရှင်များသည် နေနှင့်ထိတွေ့မှုအဆင့် (နေမ၀င်၊ နေနိမ့်၊ နေလတ်၊ နေမြင့်) နှင့် ရေလောင်းအကြိမ်ရေ (နေ့စဉ်၊ အပတ်စဉ်) တို့သည် အပင်ကြီးထွားမှုကို မည်ကဲ့သို့အကျိုးသက်ရောက်သည်ကို ဇီဝဗေဒပညာရှင်များက သိချင်ကြသည်။ ဤကိစ္စတွင်၊ အချက်နှစ်ချက်ပါဝင်သည် (နေရောင်ခြည်နှင့်ရေ၏ကြိမ်နှုန်း) ပါ၀င်သောကြောင့် ၎င်းတို့သည် အပင်ကြီးထွားမှုအပေါ် သိသာထင်ရှားသောအကျိုးသက်ရောက်မှုရှိမရှိကို သိရှိရန် နှစ်လမ်း ANOVA ကိုလုပ်ဆောင်မည်ဖြစ်သည်။ အချက်နှစ်ချက်က တစ်ခုနဲ့တစ်ခု ဆက်စပ်နေပါတယ်။

ANOVA ၏ရလဒ်များသည် အချက်တစ်ခုစီတိုင်းသည် အပင်ကြီးထွားမှုအပေါ် သိသာထင်ရှားသောအကျိုးသက်ရောက်မှုရှိမရှိကို ကျွန်ုပ်တို့အားပြောပြလိမ့်မည်။ ဤအချက်အလက်ဖြင့်၊ ဇီဝဗေဒပညာရှင်များသည် နေရောင်ခြည်နှင့်/သို့မဟုတ် ရေလောင်းသည့်အကြိမ်ရေသည် အကောင်းမွန်ဆုံးကြီးထွားမှုကို ဖြစ်စေသည့် မည်သည့်အဆင့်ကို ကောင်းစွာနားလည်နိုင်မည်နည်း။

နိဂုံး

ANOVA ကို လက်တွေ့ကမ္ဘာအခြေအနေအမျိုးမျိုးတွင် အသုံးပြုသော်လည်း အဖြစ်အများဆုံးတွင်-

• လက်လီ- စတိုးဆိုင်များသည် ပရိုမိုးရှင်းအမျိုးအစားအမျိုးမျိုး၊ စတိုးဆိုင်အပြင်အဆင်များ၊ ကြော်ငြာနည်းဗျူဟာများ စသည်တို့ကို မကြာခဏ နားလည်လိုကြသည်။ သက်ဆိုင်ရာ ကွဲပြားခြားနားသောအရောင်းသို့ဦးတည်။ ဤသည်မှာ ANOVA အတွက် ဒီဇိုင်းထုတ်ထားသည့် ခွဲခြမ်းစိတ်ဖြာမှု အမျိုးအစားအတိအကျဖြစ်သည်။
• ဆေးဘက်ဆိုင်ရာ- သုတေသီများသည် မတူညီသောဆေးဝါးများသည် လူနာများကို ကွဲပြားစွာအကျိုးသက်ရောက်မှုရှိမရှိ သိလိုကြသည်၊ ထို့ကြောင့် ၎င်းတို့သည် ဤအခြေအနေများတွင် တစ်ကြောင်း သို့မဟုတ် နှစ်လမ်း ANOVAs ကို အသုံးပြုလေ့ရှိပါသည်။
• ပတ်ဝန်းကျင်ဆိုင်ရာ သိပ္ပံ- သုတေသီများသည် အပင်များနှင့် တောရိုင်းတိရစ္ဆာန်များအပေါ် အကြောင်းရင်းများ မတူညီသော အဆင့်များကို မည်ကဲ့သို့ အကျိုးသက်ရောက်သည်ကို မကြာခဏ နားလည်လိုကြသည်။ ဤခွဲခြမ်းစိတ်ဖြာမှု အမျိုးအစားများ၏ သဘောသဘာဝကြောင့် ANOVAs ကို မကြာခဏ အသုံးပြုကြသည်။

ထို့ကြောင့်၊ နောက်တစ်ကြိမ် ANOVA ကို လက်တွေ့ဘဝတွင် အမှန်တကယ်အသုံးပြုသည့်အခါတွင် သင့်အား တစ်စုံတစ်ဦးမှ မေးသည့်အခါ၊ ဤဥပမာများကို ကိုးကားရန် တုံ့ဆိုင်းမနေပါနှင့်။

ထပ်လောင်းအရင်းအမြစ်များ

One-Way ANOVA မိတ်ဆက်
နှစ်လမ်းသွား ANOVA မိတ်ဆက်
ANOVA၊ ANCOVA၊ MANOVA နှင့် MANCOVA အကြား ခြားနားချက်များ