Excel တွင် bonferroni correction ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။
Bonferroni အမှားပြင်ဆင်ခြင်းသည် Type I အမှားပြုလုပ်နိုင်ခြေကို ထိန်းချုပ်ရန်အတွက် စာရင်းအင်းစမ်းသပ်မှုမိသားစုတစ်ခုအတွက် အယ်လ်ဖာ (α) အဆင့်ကို ချိန်ညှိခြင်းလုပ်ငန်းစဉ်ကို ရည်ညွှန်းသည်။
Bonferroni ပြုပြင်ခြင်းအတွက် ဖော်မြူလာမှာ အောက်ပါအတိုင်းဖြစ်သည်။
α new = α မူရင်း / n
ရွှေ-
- မူရင်း α- မူရင်း α အဆင့်
- n- နှိုင်းယှဉ်မှု သို့မဟုတ် စမ်းသပ်မှု စုစုပေါင်းအရေအတွက်
ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် ကိန်းဂဏန်းစမ်းသပ်မှုသုံးခုကို တစ်ပြိုင်နက်လုပ်ဆောင်နေပြီး စမ်းသပ်မှုတစ်ခုစီအတွက် α = 0.05 ကိုအသုံးပြုလိုပါက Bonferroni အမှားပြင်ဆင်ချက်က ကျွန်ုပ်တို့အား α new = 0.01667 ကိုအသုံးပြုသင့်သည်ဟု ကျွန်ုပ်တို့အားပြောပြသည်။
new α = မူရင်း α / n = 0.05 / 3 = 0.01667
ထို့ကြောင့်၊ စမ်းသပ်မှုတစ်ခုချင်းစီ၏ p-value သည် 0.01667 ထက်နည်းပါက၊ ကျွန်ုပ်တို့သည် စမ်းသပ်မှုတစ်ခုစီ၏ null hypothesis ကိုသာ ငြင်းပယ်သင့်သည်။
တစ်ချိန်တည်းတွင် ကျွန်ုပ်တို့သည် အုပ်စုနည်းလမ်းများစွာကို နှိုင်းယှဉ်လိုသောအခါတွင် ANOVA ပြီးနောက် ပြုပြင်မှု ပုံစံကို မကြာခဏ ပြုလုပ်လေ့ရှိသည်။
အောက်ဖော်ပြပါ အဆင့်ဆင့် ဥပမာသည် Excel တွင် တစ်ကြောင်းတစ်ကြောင်း ANOVA ပြီးနောက် Bonferroni အမှားပြင်ခြင်းကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသထားသည်။
အဆင့် 1: ဒေတာကိုဖန်တီးပါ။
ဦးစွာ၊ စာမေးပွဲအတွက် ပြင်ဆင်ရန်အတွက် မတူညီသော လေ့လာမှုနည်းပညာသုံးမျိုးထဲမှ တစ်ခုကို အသုံးပြုခဲ့သော ကျောင်းသားများ၏ ရလဒ်များကို ပြသသည့် ဒေတာအတွဲအတုကို ဖန်တီးကြပါစို့။
အဆင့် 2- တစ်လမ်းမောင်း ANOVA လုပ်ဆောင်ပါ။
ထို့နောက်၊ အုပ်စုသုံးစုတွင် ပျမ်းမျှစာမေးပွဲရမှတ်များ တူညီမှုရှိမရှိ ဆုံးဖြတ်ရန် တစ်လမ်းမောင်း ANOVA ကို လုပ်ဆောင်ကြပါစို့။
ပထမဦးစွာ၊ ကော်လံခေါင်းစီးများအပါအဝင် ဒေတာအားလုံးကို မီးမောင်းထိုးပြပါ-
ထို့နောက်၊ ထိပ်ဖဲကြိုးတစ်လျှောက်ရှိ Data tab ကိုနှိပ်ပါ၊ ထို့နောက် Data Analysis ကို နှိပ်ပါ။
ဤရွေးချယ်ခွင့်ကို မရရှိနိုင်ပါက၊ Analysis ToolPak ကို ဦးစွာ စတင်ရပါ မည်။
ပေါ်လာသောဝင်းဒိုးတွင်၊ Anova: Single Factor ကိုနှိပ်ပြီး OK ကို နှိပ်ပါ။
အောက်ပါအချက်အလက်များကိုဖြည့်ပါ၊ ထို့နောက် OK ကိုနှိပ်ပါ။
တစ်လမ်းသွား ANOVA ရလဒ်များ အလိုအလျောက် ပေါ်လာပါမည်-
တစ်လမ်းသွား ANOVA တွင် အောက်ပါ null နှင့် အခြားအခြားသော ယူဆချက်များပါရှိကြောင်း သတိရပါ။
- H 0 (null hypothesis): အုပ်စုဟူသည် အားလုံး ညီတူညီမျှဖြစ်သည်။
- H A (အခြားယူဆချက်)- အနည်းဆုံး အုပ်စုတစ်ခု၏ ဆိုလိုရင်းမှာ မတူညီပါ။ အနားယူပါ။
ANOVA ဇယားရှိ p-value (0.001652) သည် 0.05 ထက်နည်းသောကြောင့်၊ null hypothesis ကိုငြင်းပယ်ရန် လုံလောက်သောအထောက်အထားရှိသည်။ တစ်နည်းဆိုရသော် အုပ်စုသုံးစုကြားရှိ ပျမ်းမျှ စာမေးပွဲရမှတ်များသည် မညီမျှပေ။
ထို့နောက် အုပ်စုသုံးစုကြားရှိ Bonferroni တည့်မတ်မှုကို အသုံးပြု၍ နှိုင်းယှဉ်မှုများစွာ ပြုလုပ်နိုင်သည်
အဆင့် 3- Bonferroni တည့်မတ်မှုကို အသုံးပြု၍ နှိုင်းယှဉ်မှုများစွာ ပြုလုပ်ပါ။
Bonferroni တည့်မတ်မှုကို အသုံးပြု၍ ချိန်ညှိထားသော အယ်လ်ဖာအဆင့်ကို အောက်ပါအတိုင်း တွက်ချက်နိုင်ပါသည်။
α new = α မူရင်း / n
ကျွန်ုပ်တို့၏ဥပမာတွင်၊ ကျွန်ုပ်တို့သည် အောက်ပါ နှိုင်းယှဉ်ချက်သုံးခုကို လုပ်ဆောင်ပါမည်။
- Technique 1 နှင့် Technique 2
- Technique 1 နှင့် Technique 3
- Technique 2 နှင့် Technique 3
ကျွန်ုပ်တို့သည် စမ်းသပ်မှုတစ်ခုစီအတွက် α = .05 ကို အသုံးပြုလိုသောကြောင့်၊ Bonferroni အမှားပြင်ဆင်ချက်က ကျွန်ုပ်တို့သည် α new = .0167 ကို အသုံးပြုသင့်သည်ဟု ကျွန်ုပ်တို့အား ပြောပြသည်။
ထို့နောက်၊ အုပ်စုတစ်ခုစီကြားရှိနည်းလမ်းများကိုနှိုင်းယှဉ်ရန် t-test ကိုအသုံးပြုပါမည်။ Excel တွင်၊ သင်သည် အောက်ပါ syntax ကိုသုံးနိုင်သည်။
=TTEST(ဇယား၁၊ ဇယား၂၊ တန်းစီ=၂၊ အမျိုးအစား=၂)
ရွှေ-
- Array1- ပထမဆုံးဒေတာ ခင်းကျင်းမှု
- Array2- ဒုတိယဒေတာ ခင်းကျင်းမှု
- အမြီးများ- စမ်းသပ်မှုတွင် အမြီးအရေအတွက်။ အမြီးနှစ်ကြောင်း စမ်းသပ်မှုကို ညွှန်ပြရန် “ 2” ကို အသုံးပြုပါမည်။
- အမျိုးအစား- လုပ်ဆောင်ရန် t-test အမျိုးအစား။ တူညီသောကွဲပြားမှုများရှိသည့် t-test ကိုညွှန်ပြရန် “ 2” ကိုအသုံးပြုပါမည်။
အောက်ပါ screenshot သည် t-test တစ်ခုစီကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-
Bonferroni-adjusted alpha အဆင့်အောက်ရှိ တစ်ခုတည်းသော p-တန်ဖိုးသည် p-value 0.001042 ရှိသည့် နည်းပညာ 1 နှင့် technique 2 အကြား နှိုင်းယှဉ်ချက်မှ ဆင်းသက်လာသည်။
ထို့ကြောင့်၊ ပျမ်းမျှစာမေးပွဲရမှတ်များတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ကွာခြားချက်မှာ Technique 1 နှင့် Technique 2 အကြားသာဖြစ်ကြောင်း ကျွန်ုပ်တို့ ကောက်ချက်ချနိုင်မည်ဖြစ်ပါသည်။
ထပ်လောင်းအရင်းအမြစ်များ
မိသားစုအလိုက် အမှားအယွင်းနှုန်းက ဘယ်လောက်လဲ။
Bonferroni အမှားပြင်ဆင်ခြင်း- အဓိပ္ပါယ်နှင့် ဥပမာ
Bonferroni အမှားပြင်ဂဏန်းတွက်စက်