R ဖြင့် anova ထပ်ခါတလဲလဲတိုင်းတာနည်း

အုပ်စုတစ်ခုစီတွင် တူညီသောဘာသာရပ်များပေါ်လာသည့် အုပ်စုသုံးစု သို့မဟုတ် ထို့ထက်ပိုသောအုပ်စုများကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသောခြားနားချက်ရှိမရှိ ဆုံးဖြတ်ရန် ထပ်ခါတလဲလဲတိုင်းတာမှုများကို ANOVA ကို အသုံးပြုသည်။

ဤသင်ခန်းစာသည် R ဖြင့် ANOVA တစ်လမ်းသွား ထပ်ခါတလဲလဲ တိုင်းတာနည်းကို ရှင်းပြထားသည်။

ဥပမာ- R ဖြင့် ANOVA ထပ်ခါတလဲလဲ ဆောင်ရွက်ချက်များ

မတူညီသော ဆေးဝါးလေးမျိုးသည် မတူညီသော တုံ့ပြန်မှုအကြိမ်များကို ဖြစ်စေကြောင်း သုတေသီများက သိချင်ကြသည်။ ယင်းကို စမ်းသပ်ရန်အတွက် ၎င်းတို့သည် မတူညီသော ဆေးဝါးလေးမျိုးအား လူနာများ၏ တုံ့ပြန်မှုအကြိမ်ငါးကြိမ်ကို တိုင်းတာသည်။ လူနာတစ်ဦးစီအား ဆေးဝါးလေးခုစီတွင် တိုင်းတာထားသောကြောင့် ဆေးဝါးများကြား ပျမ်းမျှတုံ့ပြန်မှုအချိန်ကွာခြားခြင်းရှိမရှိ ဆုံးဖြတ်ရန် ထပ်ခါတလဲလဲတိုင်းတာမှုများ ANOVA ကိုအသုံးပြုပါမည်။

R ဖြင့် ထပ်ခါတလဲလဲ တိုင်းတာမှုများ လုပ်ဆောင်ရန် အောက်ပါအဆင့်များကို အသုံးပြုပါ။

အဆင့် 1: ဒေတာကိုထည့်ပါ။

ပထမဦးစွာ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ဒေတာကို ထိန်းသိမ်းရန် ဒေတာဘောင်တစ်ခုကို ဖန်တီးပါမည်။

 #create data
df <- data.frame(patient= rep (1:5, each =4),
                 drug= rep (1:4, times =5),
                 response=c(30, 28, 16, 34,
                            14, 18, 10, 22,
                            24, 20, 18, 30,
                            38, 34, 20, 44,
                            26, 28, 14, 30))

#view data
df

   patient drug response
1 1 1 30
2 1 2 28
3 1 3 16
4 1 4 34
5 2 1 14
6 2 2 18
7 2 3 10
8 2 4 22
9 3 1 24
10 3 2 20
11 3 3 18
12 3 4 30
13 4 1 38
14 4 2 34
15 4 3 20
16 4 4 44
17 5 1 26
18 5 2 28
19 5 3 14
20 5 4 30

အဆင့် 2- ANOVA တိုင်းတာမှုကို ထပ်ခါတလဲလဲ လုပ်ဆောင်ပါ။

ထို့နောက် aov() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ ထပ်ခါတလဲလဲ တိုင်းတာမှုများ ANOVA ကို လုပ်ဆောင်ပါမည်။

 #fit repeated measures ANOVA model
model <- aov(response~ factor (drug)+ Error ( factor (patient)), data = df)

#view model summary
summary(model)

Error: factor(patient)
          Df Sum Sq Mean Sq F value Pr(>F)
Residuals 4 680.8 170.2               

Error: Within
             Df Sum Sq Mean Sq F value Pr(>F)    
factor(drug) 3 698.2 232.7 24.76 1.99e-05 ***
Residuals 12 112.8 9.4                     
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

အဆင့် 3- ရလဒ်များကို ဘာသာပြန်ပါ။

ထပ်ခါတလဲလဲ တိုင်းတာမှုများ ANOVA သည် အောက်ပါ null နှင့် အခြားအခြားသော အယူအဆများကို အသုံးပြုသည် ။

null hypothesis (H ₀ ) : µ ₁ = µ ₂ = µ ₃ (လူဦးရေ ဆိုသည်မှာ အားလုံးတန်းတူဖြစ်သည်)

အခြားယူဆချက်- (ဟာ)- အနည်းဆုံး လူဦးရေ ဆိုသည်မှာ ကျန်နှင့် ကွဲပြားသည်။

ဤဥပမာတွင်၊ F စမ်းသပ်မှုကိန်းဂဏန်းသည် 24.76 ဖြစ်ပြီး သက်ဆိုင်ရာ p-တန်ဖိုးမှာ 1.99e-05 ဖြစ်သည်။ ဤ p-value သည် 0.05 ထက်နည်းသောကြောင့်၊ ကျွန်ုပ်တို့သည် null hypothesis ကိုငြင်းပယ်ပြီး ဆေးဝါးလေးမျိုးကြားရှိ ပျမ်းမျှတုံ့ပြန်မှုအကြိမ်များတွင် ကိန်းဂဏန်းအချက်အလတ်သိသိသာသာကွာခြားမှုရှိသည်ဟု ကောက်ချက်ချပါသည်။

အဆင့် 4- ရလဒ်များကို သတင်းပို့ပါ။

နောက်ဆုံးတွင်၊ ကျွန်ုပ်တို့၏ ထပ်ခါတလဲလဲ တိုင်းတာမှုများ ANOVA ၏ ရလဒ်များကို အစီရင်ခံပါမည်။

ဤသည်မှာ ဤအရာကို ပြုလုပ်ပုံ၏ ဥပမာတစ်ခုဖြစ်သည်။

တုံ့ပြန်မှုအချိန်ပေါ် ဆေးဝါးလေးမျိုး၏ အာနိသင်ကို စစ်ဆေးရန် လူငါးဦးတွင် ANOVA ထပ်ခါတလဲလဲ တိုင်းတာမှုများ ပြုလုပ်ခဲ့သည်။

ရလဒ်များက အသုံးပြုသော ဆေးအမျိုးအစားသည် တုံ့ပြန်ချိန်၌ ကိန်းဂဏန်းသိသိသာသာ ကွဲပြားမှုများ ဖြစ်ပေါ်ခဲ့သည် (F(3၊ 12) = 24.76၊ p < 0.001)။

ထပ်လောင်းအရင်းအမြစ်များ

ထပ်ခါတလဲလဲတိုင်းတာ ANOVA- အဓိပ္ပါယ်၊ ဖော်မြူလာနှင့် ဥပမာ
ANOVA ထပ်ခါတလဲလဲ အစီအမံများကို ကိုယ်တိုင်လုပ်ဆောင်နည်း
Python တွင် ထပ်ခါတလဲလဲ တိုင်းတာနည်း ANOVA လုပ်ဆောင်နည်း
Excel တွင် ANOVA ထပ်ခါတလဲလဲတိုင်းတာနည်းကိုလုပ်ဆောင်နည်း
SPSS တွင် ANOVA ထပ်ခါတလဲလဲ တိုင်းတာနည်းများ လုပ်ဆောင်နည်း
Stata တွင် ANOVA ထပ်ခါတလဲလဲတိုင်းတာနည်း