วิธีการดำเนินการวิเคราะห์ความแปรปรวนแบบทางเดียวใน python

การวิเคราะห์ ความแปรปรวนแบบทางเดียว (“การวิเคราะห์ความแปรปรวน”) ใช้เพื่อพิจารณาว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างค่าเฉลี่ยของกลุ่มอิสระสามกลุ่มขึ้นไปหรือไม่

บทช่วยสอนนี้จะอธิบายวิธีดำเนินการวิเคราะห์ความแปรปรวนแบบทางเดียวใน Python

ตัวอย่าง: การวิเคราะห์ความแปรปรวนแบบทางเดียวใน Python

นักวิจัยรับสมัครนักศึกษาจำนวน 30 คนเพื่อเข้าร่วมการศึกษาวิจัย นักเรียนจะ ได้รับการสุ่ม ให้ใช้หนึ่งในสามเทคนิคการเรียนในช่วงสามสัปดาห์ข้างหน้าเพื่อเตรียมตัวสอบ เมื่อสิ้นสุดสามสัปดาห์ นักเรียนทุกคนจะทำแบบทดสอบเดียวกัน

ใช้ขั้นตอนต่อไปนี้เพื่อทำการวิเคราะห์ความแปรปรวนแบบทางเดียวเพื่อพิจารณาว่าคะแนนเฉลี่ยเท่ากันในทั้งสามกลุ่มหรือไม่

ขั้นตอนที่ 1: ป้อนข้อมูล

ขั้นแรก เราจะป้อนผลการสอบสำหรับแต่ละกลุ่มลงในตารางแยกกันสามตาราง:

 #enter exam scores for each group
group1 = [85, 86, 88, 75, 78, 94, 98, 79, 71, 80]
group2 = [91, 92, 93, 85, 87, 84, 82, 88, 95, 96]
group3 = [79, 78, 88, 94, 92, 85, 83, 85, 82, 81]

ขั้นตอนที่ 2: ดำเนินการวิเคราะห์ความแปรปรวนแบบทางเดียว

ต่อไป เราจะใช้ ฟังก์ชัน f_oneway() จากไลบรารี SciPy เพื่อทำการวิเคราะห์ความแปรปรวนแบบทางเดียว:

 from scipy.stats import f_oneway

#perform one-way ANOVA
f_oneway(group1, group2, group3)

(statistic=2.3575, pvalue=0.1138)

ขั้นตอนที่ 3: ตีความผลลัพธ์

การวิเคราะห์ความแปรปรวนทางเดียวใช้ สมมติฐาน ว่างและทางเลือกต่อไปนี้:

• H ₀ (สมมติฐานว่าง): μ ₁ = μ ₂ = μ ₃ = … = μ _k (ค่าเฉลี่ยประชากรทั้งหมดเท่ากัน)
• H ₁ (สมมติฐานว่าง): ค่าเฉลี่ยประชากรอย่างน้อย 1 รายการแตกต่างกัน   พักผ่อน

สถิติการทดสอบ F คือ 2.3575 และค่า p ที่สอดคล้องกันคือ 0.1138 เนื่องจากค่า p ไม่น้อยกว่า 0.05 เราจึงไม่สามารถปฏิเสธสมมติฐานว่างได้

ซึ่งหมายความว่าเราไม่มีหลักฐานเพียงพอที่จะบอกว่าคะแนนสอบระหว่างเทคนิคการเรียนทั้งสามแบบมีความแตกต่างกัน

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้ให้ข้อมูลเพิ่มเติมเกี่ยวกับการวิเคราะห์ความแปรปรวนแบบทางเดียว:

ข้อมูลเบื้องต้นเกี่ยวกับการวิเคราะห์ความแปรปรวนแบบทางเดียว
เครื่องคิดเลข ANOVA แบบทางเดียว
คู่มือฉบับสมบูรณ์: วิธีรายงานผลลัพธ์ ANOVA