Spss တွင် တွဲထားသော နမူနာ t-test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။

နမူနာတစ်ခုရှိ ရှုမြင်မှုတစ်ခုစီရှိ အခြားနမူနာတစ်ခုရှိ စူးစမ်းမှုတစ်ခုနှင့် ဆက်စပ်နိုင်သောအခါ နမူနာနှစ်ခု၏နည်းလမ်းကို နှိုင်းယှဉ်ရန် တွဲထားသောနမူနာကို t-test ကို အသုံးပြုသည်။

ဤသင်ခန်းစာသည် SPSS တွင် တွဲထားသော နမူနာ t-test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- SPSS တွင် Paired Samples t-test

လောင်စာဆီကုသမှုအသစ်သည် ကားတစ်စီး၏ပျမ်းမျှ mpg ကို ပြောင်းလဲစေခြင်း ရှိ၊ မရှိ သုတေသီများ သိလိုကြသည်။ ယင်းကို စမ်းသပ်ရန်အတွက် ၎င်းတို့သည် လောင်စာဆီ မပါဘဲ ကား ၁၂ စီး၏ စိုင်းစိုင်းခမ်းလှိုင်ကို တိုင်းတာသည့် စမ်းသပ်မှုတစ်ခုကို ပြုလုပ်ခဲ့သည်။

ကားတစ်စင်းစီသည် ကုသမှုကို လက်ခံရရှိသောကြောင့်၊ အောက်ပါ null နှင့် အခြားအခြားသော ယူဆချက်များကို အသုံးပြု၍ ပျမ်းမျှ mpg နှင့် ဆီမပါဘဲ ပျမ်းမျှ mpg တွင် ကွာခြားမှုရှိမရှိ ဆုံးဖြတ်ရန် တွဲထားသော t-test ကို ကျွန်ုပ်တို့ လုပ်ဆောင်နိုင်သည်-

• H ₀ : μ ₁ = μ ₂ (လူဦးရေနှစ်ခုကြားရှိ ပျမ်းမျှ mpg သည် ညီမျှသည်)
• H ₁ : μ ₁ ≠ μ ₂ (လူဦးရေနှစ်ခုကြားရှိ ပျမ်းမျှ စိုင်းစိုင်းခမ်းလှိုင်သည် မညီမျှပါ)

အောက်ပါ screenshot တွင် (mpg1) နှင့် (mpg2) လောင်စာဆီမပါဘဲ ကားတစ်စီးစီအတွက် mpg ကို ပြသသည်-

တွဲထားသော t-test ကိုလုပ်ဆောင်ရန် အောက်ပါအဆင့်များကို ပြီးအောင်လုပ်ပါ။

အဆင့် 1- Paired Samples T Test option ကို ရွေးပါ။

ခွဲခြမ်းစိတ်ဖြာခြင်း tab ကိုနှိပ်ပါ၊ ထို့နောက် Means နှိုင်းယှဉ်ပါ ၊ ထို့နောက် Paired Samples T-Test ကိုနှိပ်ပါ ။

အဆင့် 2: စမ်းသပ်လုပ်ဆောင်ရန် လိုအပ်သောတန်ဖိုးများကို ဖြည့်ပါ။

mpg1 ကို Variable1 အောက်ရှိ အကွက်ထဲသို့ ဆွဲယူပြီး Variable2 အောက်ရှိ အကွက်ထဲသို့ mpg2 ကို ဆွဲယူပါ။ ထို့နောက် OK ကိုနှိပ်ပါ။

အဆင့် 3- ရလဒ်များကို ဘာသာပြန်ပါ။

OK ကို နှိပ်လိုက်သည်နှင့် တွဲထားသော နမူနာ t-test ၏ ရလဒ်များကို ပြသပါမည်။

ပထမဇယားသည် အုပ်စုနှစ်စုအတွက် အောက်ပါအကျဉ်းချုပ်စာရင်းဇယားကို ပြသသည်-

• N- အုပ်စုတစ်ခုစီ၏ နမူနာအရွယ်အစား
• ပျမ်းမျှ- အုပ်စုတစ်ခုစီရှိ ကားများ၏ပျမ်းမျှ စိုင်းစိုင်းခမ်းလှိုင်
• စံ။ သွေဖည်မှု- အုပ်စုတစ်ခုစီရှိ ကားများ၏ စိုင်းစိုင်းခမ်းလှိုင်၏ စံသွေဖည်မှု
• စံ။ ပျမ်းမျှအမှား- s/√n ဖြင့်တွက်ချက်ထားသော mean mpg ၏ စံအမှား

နောက်ဆုံးဇယားသည် တွဲထားသောနမူနာ t-test ၏ရလဒ်များကိုပြသသည်-

• t- စမ်းသပ်ကိန်းဂဏန်း -2.244 ဖြစ်သည်ကိုတွေ့ရှိရသည်။
• df- လွတ်လပ်မှုဒီဂရီ၊ #evens-1 = 12-1 = 11 အဖြစ် တွက်ချက်သည်။
• Sig. (two-tailed) : two-tailed p-value သည် df=11 နှင့် -2.244 ၏ တန်ဖိုးနှင့် ကိုက်ညီသော၊

စစ်ဆေးမှု၏ p-value (0.046) သည် 0.05 ထက်နည်းသောကြောင့်၊ null hypothesis ကို ကျွန်ုပ်တို့ ငြင်းပယ်ပါသည်။ စစ်မှန်သော ပျမ်းမျှ စိုင်းစိုင်းခမ်းလှိုင်သည် ဆေးကုသမှုခံယူသောကားများနှင့် မသုံးသောကားများကြားတွင် ကွာခြားသည်ဟုဆိုရန် လုံလောက်သော အထောက်အထားရှိသည်။

အဆင့် 4- ရလဒ်များကို သတင်းပို့ပါ။

နောက်ဆုံးတွင်၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့ တွဲဖက်ထားသော t-test နမူနာများ၏ ရလဒ်များကို အစီရင်ခံပါမည်။ ဤသည်မှာ ဤအရာကို ပြုလုပ်ပုံ၏ ဥပမာတစ်ခုဖြစ်သည်။

လောင်စာဆီကုသမှုအသစ်သည် တစ်ဂါလံလျှင် ပျမ်းမျှမိုင်နှုန်းကွာခြားမှုဖြစ်စေကြောင်း ဆုံးဖြတ်ရန် တွဲထားသော t-test ကို ကား ၁၂ စီးတွင် ပြုလုပ်ခဲ့သည်။

ရလဒ်များက ပျမ်းမျှ စိုင်းစိုင်းခမ်းလှိုင်သည် အုပ်စုနှစ်စုကြား (t= -2.244 နှင့် df=11၊ p = 0.046) နှင့် 0.05) အကြား ကိန်းဂဏန်းကွဲပြားကြောင်း ရလဒ်များက ပြသခဲ့သည်။

လူဦးရေအကြား စစ်မှန်သော ခြားနားချက်အတွက် ယုံကြည်မှု 95% ကြားကာလသည် (-3.466၊ -0.034) ကြားကာလကို ဆိုလိုသည်။