स्टेटा फॉरेक्स में मैनोवा को चलाने के लिए

एसपीएसएस सांख्यिकी में एक तरह से मानोवाना परिचय परिचय एक तरह से बहुभिन्नरूपी विश्लेषण विचरण (एक तरफा MANOVA) का उपयोग यह निर्धारित करने के लिए किया जाता है कि एक से अधिक निरंतर निर्भर चर पर स्वतंत्र समूहों के बीच कोई अंतर है या नहीं। इस संबंध में, यह एक तरह से एनोवा से अलग है जो केवल एक निर्भर चर का उपाय करता है उदाहरण के लिए, आप यह समझने के लिए एक तरह से मानोववा का उपयोग कर सकते हैं कि क्या फिल्मों में नशीली दवाओं के आकर्षण और धारणाओं की धारणा में अंतर होता है (यानी दो आश्रित चर, खुफिया के आकर्षण और धारणाओं की धारणाएं हैं, जबकि स्वतंत्र चर दवा है फिल्मों में उपयोगकर्ता, जिसमें तीन स्वतंत्र समूह हैं: गैर-उपयोगकर्ता, प्रयोगकर्ता और नियमित उपयोगकर्ता)। वैकल्पिक रूप से, आप यह समझने के लिए एक तरह से मानोववा का उपयोग कर सकते हैं कि व्याख्यान के तीन अलग-अलग लंबाई के आधार पर तथ्यों की अल्पकालिक और दीर्घकालिक यादों में अंतर (यानी दो आश्रित चर लघु अवधि की यादें याद करते हैं और लंबी- शब्द की स्मृति याद करते हैं, जबकि स्वतंत्र चर व्याख्यान अवधि है, जिसमें चार स्वतंत्र समूह हैं: 30 मिनट, 60 मिनट, 90 मिनट और 120 मिनट)। अगर आपके पास एक से दो स्वतंत्र चर हैं, तो आप इसके बजाय दो-तरफा मानोवा चला सकते हैं। यह समझना जरूरी है कि एक तरह से मानोवा एक सर्वव्यापी परीक्षण आंकड़ा है और आपको यह नहीं बता सकता है कि कौन से विशिष्ट समूह एक दूसरे से काफी भिन्न हैं, यह केवल आपको बताता है कि कम से कम दो समूह अलग थे। चूंकि आपके अध्ययन डिजाइन में तीन, चार, पांच या अधिक समूह हो सकते हैं, इसलिए इन समूहों में से कौन सा समूह एक दूसरे से अलग है यह महत्वपूर्ण है। आप इसे एक पोस्ट-हॉक टेस्ट का उपयोग कर सकते हैं (एन. बी. हम बाद में इस गाइड में बाद में हाईकोर्ट पर चर्चा कर सकते हैं) इस त्वरित शुरुआत गाइड में, हम आपको दिखाते हैं कि एसपीएसएस आंकड़े का इस्तेमाल करते हुए एक एकमात्र मानोववा को कैसे पूरा करें, साथ ही साथ इस परीक्षा से परिणाम की व्याख्या और रिपोर्ट करें। चूंकि एक तरह से MANOVA को अक्सर तमाम परीक्षणों के साथ पालन किया जाता है, इसलिए हम आपको यह भी दिखाते हैं कि SPSS सांख्यिकी का उपयोग करने के लिए इन्हें कैसे बाहर ले जाना है हालांकि, इससे पहले कि आप इस प्रक्रिया को लागू करें, आपको अलग-अलग मान्यताओं को समझने की जरूरत है कि आपके डेटा को एक-एक तरह से मानोवा के लिए मिलना चाहिए ताकि आपको एक वैध परिणाम मिल सके। हम इन धारणाओं पर चर्चा करते हैं। एसपीएसएस आंकड़ों की धारणाएं जब आप अपने डेटा का एक-तरफा मानोवा का उपयोग करके विश्लेषण करना चुनते हैं, तो इस प्रक्रिया का एक हिस्सा यह सुनिश्चित करने के लिए जांच कर सकता है कि जिस डेटा का आप विश्लेषण करना चाहते हैं, उसे वास्तव में एक-तरफा मानोवा का उपयोग करके विश्लेषण किया जा सकता है। आपको ऐसा करने की आवश्यकता है क्योंकि यह एकमात्र मानओवा का उपयोग करने के लिए उपयुक्त है यदि आपका डेटा आपको एक वैध परिणाम देने के लिए एक एकमात्र मानोवा के लिए नौ मान्यताओं को गुजरता है। अगर आपके एसपीएसएस आंकड़े का उपयोग करते हुए अपने डेटा का विश्लेषण करते समय आश्चर्यचकित न हो, तो इनमें से एक या अधिक मान्यताओं का उल्लंघन होता है (यानी नहीं मिले)। वास्तविक दुनिया डेटा के साथ काम करते समय यह असामान्य नहीं है हालांकि, जब भी आपका डेटा कुछ मान्यताओं में विफल रहता है, तो इस पर काबू पाने में अक्सर एक समाधान होता है। व्यवहार में, इन नौ धारणाओं की जांच के लिए आपके विश्लेषण के लिए कुछ और समय लगता है, आपको SPSS सांख्यिकी में अतिरिक्त प्रक्रियाओं के माध्यम से काम करने की आवश्यकता होती है, जो आपके विश्लेषण का प्रदर्शन करते हैं, साथ ही साथ आपके डेटा के बारे में थोड़ा और अधिक सोचते हैं। ये नौ धारणाएं नीचे प्रस्तुत की गई हैं: आकलन 1: आपके दो या अधिक निर्भर चर अंतराल या अनुपात के स्तर पर मापा जाए (यानी वे निरंतर)। इस मानदंड को पूरा करने वाले चर के उदाहरणों में संशोधन समय (घंटों में मापा जाता है), बुद्धिमत्ता (आईक्यू स्कोर का उपयोग करके मापा जाता है), परीक्षा के प्रदर्शन (0 से 100 तक मापा जाता है), वजन (किग्रा में मापा जाता है) और आगे। आप हमारे लेख में अंतराल और अनुपात चर के बारे में अधिक जान सकते हैं: वैरिएबल के प्रकार धारणा 2: आपका स्वतंत्र चर दो या अधिक स्पष्ट होना चाहिए स्वतंत्र समूह उदाहरण इस तरह के मानदंडों को पूरा करने वाले स्वतंत्र चर में जातीयता (जैसे 3 समूहों: कोकेशियान, अफ्रीकी अमेरिकी और हिस्पैनिक), शारीरिक गतिविधि का स्तर (जैसे 4 समूहों: गतिहीन, कम, मध्यम और उच्च), व्यवसाय (जैसे 5 समूहों: सर्जन, डॉक्टर, नर्स , दंत चिकित्सक, चिकित्सक), और आगे भी। धारणा 3: आपको अवलोकन की स्वतंत्रता होना चाहिए। जिसका अर्थ है कि प्रत्येक समूह में या समूहों के बीच खुद के बीच कोई संबंध नहीं होता है। उदाहरण के लिए, प्रत्येक समूह में अलग-अलग प्रतिभागियों को होना चाहिए, जिसमें एक से अधिक समूह में कोई प्रतिभागी नहीं है। यह आप के लिए परीक्षण कर सकते हैं कुछ की तुलना में एक अध्ययन डिजाइन मुद्दा से अधिक है, लेकिन यह एक तरफा MANOVA की एक महत्वपूर्ण धारणा है धारणा 4: आपके पास पर्याप्त नमूना आकार होना चाहिए। यद्यपि आपके नमूना आकार का बड़ा, मानोवा के लिए बेहतर है, आपको प्रत्येक समूह में जितने भी निर्भर चर का विश्लेषण कर रहे हैं, उससे अधिक मामलों की आवश्यकता होगी। धारणा 5: कोई निर्बाध या बहुभिन्नरूपी आउटलेटर्स नहीं हैं। सबसे पहले, किसी भी निरपेक्ष चर के प्रत्येक समूह में बिना (निरंतर) आउटलेटर्स हो सकते हैं। यह एक तरह से एनोवा के समान धारणा है, लेकिन प्रत्येक मानवरहित चर के लिए जो आपके MANOVA विश्लेषण में है Univariate outliers अक्सर बस outliers कहा जाता है और आप t-tests या ANOVAs आयोजित किया है, तो आप भर में आ जाएगा outliers के एक ही प्रकार के होते हैं हम इन्हें मल्टीबाइएट आउटलेटर्स से अलग करने के लिए इस गाइड में अनारिएटेट के रूप में देखें। मल्टीवीयरेट आउटलेटर्स ऐसे मामलों होते हैं जिन पर निर्भर चर पर स्कोर का एक असामान्य संयोजन होता है। हमारे बढ़ाए गए एक-तरफा मानोवा मार्गदर्शिका में, हम आपको यह दिखाते हैं कि कैसे: (1) बॉक्सप्लेट्स का उपयोग करके बेवकूफ़ आउटलेटर्स का पता लगा सकता है। जो आप SPSS सांख्यिकी का उपयोग कर सकते हैं, और आउटलेयर्स से निपटने के लिए आपके पास कुछ विकल्पों पर चर्चा कर सकते हैं और (2) महालानोबिस दूरी के रूप में एक माप का उपयोग करके बहुभिन्नरूपी आउटलेरों की जांच कर सकते हैं। जो आप SPSS सांख्यिकी का उपयोग कर भी कर सकते हैं, और चर्चा करें कि आपको क्या करना चाहिए अगर आपके पास कोई है धारणा 6: बहुभिन्नरूपी सामान्यता है दुर्भाग्य से, बहुभिन्नरूपी सामान्यता के लिए परीक्षण करने के लिए एक विशेष रूप से मुश्किल धारणा है और एसपीएसएस सांख्यिकी में सीधे जांच नहीं की जा सकती। इसके बजाय, स्वतंत्र चर के प्रत्येक समूह के प्रत्येक आश्रित चर की सामान्यता का प्रयोग अक्सर इसका सबसे अच्छा अनुमान के रूप में किया जाता है कि क्या बहुभिन्नरूपी सामान्यता है या नहीं। आप सामान्यता के शापिरो-विल्क टेस्ट का उपयोग करके इसका परीक्षण कर सकते हैं। जो आसानी से एसपीएसएस सांख्यिकी का उपयोग करने के लिए जांच की जाती है। यह दर्शाते हुए कि हमारे एन्हांस्ड एक-रास्ता MANOVA गाइड में यह कैसे करना है, इसके अलावा, हम यह भी समझाते हैं कि यदि आपका डेटा इस धारणा को विफल करता है तो आप क्या कर सकते हैं। धारणा 7: स्वतंत्र चर के प्रत्येक समूह के लिए निर्भर चर के प्रत्येक जोड़ी के बीच एक रैखिक संबंध है। अगर चर रैखिक रूप से संबंधित नहीं हैं, तो परीक्षण की शक्ति कम हो जाती है। आप स्वतंत्र चर के प्रत्येक समूह के लिए एक स्कैटरप्लोट मैट्रिक्स की साजिश रचने के द्वारा इस धारणा के लिए परीक्षण कर सकते हैं। ऐसा करने के लिए, आपको स्कैटरप्लॉट मैट्रिक्स बनाने से पहले SPSS आंकड़ों में अपनी डेटा फ़ाइल को विभाजित करने की आवश्यकता होगी। धारणा 8: विचरण-संप्रभु मैट्रिक्स का एकरूपता है। आप इस धारणा को एसपीएसएस सांख्यिकी में संवेदना की समानता के बॉक्स एम परीक्षण का उपयोग कर सकते हैं। यदि आपका डेटा इस धारणा को विफल करता है, तो आपको यह पता लगाने के लिए कि समस्या जहां झूठ हो सकती है, विचलन की एकरूपता के लेवेन्स टेस्ट को ले जाने के लिए SPSS सांख्यिकी का उपयोग करने की आवश्यकता हो सकती है। हम आपको यह बताते हैं कि हमारे बढ़ाए गए एक तरफ MANOVA गाइड में एसपीएसएस आंकड़ों के प्रयोग से इन परीक्षणों को कैसे पूरा किया जाए, साथ ही साथ इस बात पर चर्चा करें कि आपके आंकड़े इस धारणा को विफल क्यों नहीं करते हैं। धारणा 9: कोई बहु-स्तरीयता नहीं है आदर्श रूप से, आप चाहते हैं कि आपके निर्भर चर एक-दूसरे के साथ मामूली सहसंबंधित हों। यदि सहसंबंध कम हैं, तो आप अलग-अलग एकमात्र एएनओवीए चलाने में बेहतर हो सकते हैं, और यदि सहसंबंध बहुत अधिक है (0.9 से अधिक), तो आपके पास बहु-स्तरीयता हो सकती है यह MANOVA के लिए समस्याग्रस्त है और इसे स्क्रीनिंग की आवश्यकता है हालांकि इस धारणा के लिए परीक्षण करने के लिए कई अलग-अलग विधियां हैं, हमारे बढ़े हुए एक-मार्ग MANOVA मार्गदर्शिका में, हम आपको एसपीएसएस आंकड़े का उपयोग करते हुए सबसे सीधा तरीकों में से एक लेते हैं, और यह समझाएं कि अगर आपका डेटा इस धारणा को विफल करता है तो आप क्या कर सकते हैं। आप SPSS सांख्यिकी का उपयोग करके 5, 6, 7, 8 और 9 की मान्यताओं को देख सकते हैं। ऐसा करने से पहले, आपको यह सुनिश्चित करना चाहिए कि आपका डेटा 1, 2, 3 और 4 के मान्यताओं को पूरा करता है, हालांकि आपको ऐसा करने के लिए एसपीएसएस आंकड़े की जरूरत नहीं है। बस याद रखें कि यदि आप इन मान्यताओं के सही तरीके से सांख्यिकीय परीक्षण नहीं चलाते हैं, तो आपको प्राप्त होने वाला एकमात्र तरीका MANOVA वैध नहीं होगा। यही कारण है कि हम आपको यह अधिकार प्राप्त करने में सहायता के लिए हमारे उन्नत एकाधिक प्रतिगमन मार्गदर्शिका के कई वर्गों को समर्पित करते हैं। आप यहां हमारे संपूर्ण सामग्री के बारे में एक संपूर्ण जानकारी प्राप्त कर सकते हैं। या अधिक विशेष रूप से, सीखें कि हम यहाँ मान्यताओं के परीक्षण के साथ कैसे मदद करते हैं अनुभाग में, प्रक्रिया हम SPSS सांख्यिकी की प्रक्रिया को एक तरह से मानोवा मानते हैं कि मानो कोई मान्यताओं का उल्लंघन नहीं किया गया है। सबसे पहले, हम उदाहरण का प्रयोग करते हैं जो एसपीएसएस सांख्यिकी में एकमात्र मानोववा की प्रक्रिया को समझाने के लिए उपयोग करते हैं। एक तरह से एनोवा स्टेटा परिचय का उपयोग करते हुए विचरण के एक-तरफ़ा विश्लेषण (एनोओवीए) का उपयोग यह निर्धारित करने के लिए किया जाता है कि निर्भर चर का मतलब क्या है दो या अधिक असंबंधित, स्वतंत्र समूहों में एक ही है। हालांकि, यह आम तौर पर तब होता है जब आपके पास तीन या अधिक स्वतंत्र, असंबंधित समूह होते हैं, क्योंकि एक स्वतंत्र-नमूने टी-परीक्षण अधिक सामान्यतः उपयोग होता है जब आपके पास केवल दो समूह होते हैं यदि आपके पास दो स्वतंत्र चर है, तो आप दो तरह से एनोवा का उपयोग कर सकते हैं उदाहरण के लिए, आप यह निर्धारित करने के लिए कि क्या परीक्षा का प्रदर्शन छात्रों के बीच परीक्षण चिंता स्तरों के आधार पर मतभेद है (यानी आपके निर्भर चर का परीक्षा प्रदर्शन होगा, 0-100 से मापा जाएगा, और आपका स्वतंत्र चर परीक्षण परीक्षण स्तर होगा, यह निर्धारित करने के लिए एक एकमात्र एएनओवीए का उपयोग कर सकते हैं। जिसमें तीन समूह हैं: कम तनाव वाले छात्रों, मध्यम जोर छात्रों, और उच्च तनाव वाले छात्रों)। वैकल्पिक रूप से, एक तरह से एनोवा का इस्तेमाल समझने के लिए किया जा सकता है कि क्या डिग्री प्रकार के आधार पर वेतन में अंतर है (अर्थात आपके निर्भर चर वेतन होगा और आपका स्वतंत्र चर डिग्री प्रकार होगा, जिसमें पांच समूह होंगे: व्यापारिक अध्ययन, मनोविज्ञान, जैविक विज्ञान, इंजीनियरिंग और कानून)। जब समूह के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर होता है, तो यह तय करना संभव है कि कौन से विशिष्ट समूह पोस्ट-हॉक टेस्ट का उपयोग करते हुए प्रत्येक दूसरे से काफी अलग थे। आपको इन तमाम परीक्षणों का संचालन करने की आवश्यकता है क्योंकि एक तरह से एनोवा एक सर्वव्यापी परीक्षा है और आपको यह नहीं बता सकता कि कौन से विशिष्ट समूह एक-दूसरे से काफी भिन्न हैं, यह केवल आपको बताता है कि कम से कम दो समूह अलग थे। यह त्वरित शुरुआत मार्गदर्शिका आपको दिखाती है कि स्ताता का उपयोग करने के बाद हॉक टेस्ट के साथ एक-तरफा एनोवा कैसे ले जाना है, साथ ही साथ इस परीक्षा से परिणामों की व्याख्या और रिपोर्ट कैसे करें। हालांकि, इससे पहले कि आप इस प्रक्रिया को लागू करें, आपको अलग-अलग मान्यताओं को समझना होगा कि आपको एक वैध परिणाम देने के लिए आपके डेटा को एक-तरफा एनोवा के लिए मिलना चाहिए। हम इन धारणाओं पर चर्चा करते हैं। धारणाएं एकमात्र एनोवा के आधार पर छह धारणाएं हैं अगर इन छह धारणाओं में से कोई भी नहीं मिले, तो आप एक-तरफा एनोवा के उपयोग से अपने डेटा का विश्लेषण नहीं कर सकते क्योंकि आपको एक वैध परिणाम नहीं मिलेगा। चूंकि मान्यताओं 1, 2 और 3 आपके अध्ययन डिजाइन और वेरिएबल्स की पसंद से संबंधित हैं, इसलिए उन्हें स्टेटा का उपयोग करने के लिए परीक्षण नहीं किया जा सकता है। हालांकि, आपको यह तय करना चाहिए कि आगे बढ़ने से पहले आपका अध्ययन इन मान्यताओं को पूरा करता है या नहीं। धारणा 1: आपके निर्भर चर को निरंतर स्तर पर मापा जाना चाहिए। ऐसे निरंतर चर के उदाहरणों में ऊँचाई (पैर और इंच में मापा जाता है), तापमान (डीजेसी में मापा जाता है), वेतन (यूएस डॉलर में मापा जाता है), संशोधन समय (घंटों में मापा जाता है), खुफिया (आईक्यू स्कोर का उपयोग करके मापा जाता है), प्रतिक्रिया समय मिलीसेकंड में), परीक्षण का प्रदर्शन (0 से 100 तक मापा जाता है), विक्रय (प्रति माह लेन-देन की संख्या में मापा जाता है), और आगे। यदि आप अनिश्चित हैं कि आपके निरंतर चर निरंतर है (यानी अंतराल या अनुपात स्तर पर मापा जाता है), तो हमारे प्रकार के वैरिएबल मार्गदर्शिका देखें। यदि आपका आश्रित चर क्रमिक है, तो आप इसके बजाय क्रूस्कल-वालिस एच परीक्षण चलाने पर विचार कर सकते हैं। धारणा 2: आपका स्वतंत्र चर दो या अधिक स्पष्ट होना चाहिए स्वतंत्र (असंबंधित) समूह स्पष्ट चर के उदाहरण लिंग (जैसे 2 समूहों: पुरुष और महिला), जातीयता (जैसे 3 समूहों: कोकेशियान, अफ्रीकी अमेरिकी और हिस्पैनिक), शारीरिक गतिविधि का स्तर (उदा। 4 समूहों: गतिहीन, कम, मध्यम और उच्च), और व्यवसाय जैसे 5 समूहों: सर्जन, डॉक्टर, नर्स, दंत चिकित्सक, चिकित्सक)। धारणा 3: आपको अवलोकन की स्वतंत्रता होना चाहिए। जिसका अर्थ है कि प्रत्येक समूह में या समूहों के बीच खुद के बीच कोई संबंध नहीं होता है। उदाहरण के लिए, प्रत्येक समूह में अलग-अलग प्रतिभागियों को होना चाहिए, जिसमें एक से अधिक समूह में कोई प्रतिभागी नहीं है। यदि आपके पास अवलोकन की स्वतंत्रता नहीं है, तो संभवतः आपके पास संबंधित समूह होंगे, जिसका अर्थ है कि आपको एक-तरफा एनोवा के बजाय एक-दोहराए गए उपायों ANOVA का उपयोग करने की आवश्यकता होगी। सौभाग्य से, आप स्टेटा का उपयोग करके 4, 5 और 6 मान्यताओं की जांच कर सकते हैं। 4, 5 और 6 के अनुमानों पर आगे बढ़ते समय, हम उन्हें इस क्रम में जांचने का सुझाव देते हैं क्योंकि यह एक आदेश का प्रतिनिधित्व करता है, जहां धारणा का उल्लंघन सही नहीं है, तो आप अब एक तरह से एनोवा का उपयोग करने में सक्षम नहीं होंगे। वास्तव में, यह आश्चर्यचकित न हो कि आपका डेटा इनमें से एक या अधिक मान्यताओं में विफल रहता है, क्योंकि पाठयक्रम उदाहरणों के बजाय वास्तविक-दुनिया के डेटा के साथ काम करते समय यह काफी सामान्य है, जो अक्सर आपको केवल एक ही तरीका दिखाता है कि कैसे एक एकमात्र एएनओवीए को सब कुछ अच्छी तरह से चला जाता है। हालांकि, चिंता न करें क्योंकि जब भी आपका डेटा कुछ मान्यताओं में विफल रहता है, तो इसका समाधान करने के लिए अक्सर एक समाधान होता है (जैसे कि आपके डेटा को बदलना या इसके बजाय एक अन्य सांख्यिकीय परीक्षण का उपयोग करना)। बस याद रखें कि यदि आप यह जांच नहीं करते हैं कि आप डेटा इन मान्यताओं से पूरा करते हैं या आप उनके लिए सही तरीके से परीक्षण करते हैं, तो आपको एक-रास्ता एनोवा चलाने पर प्राप्त होने वाले परिणाम मान्य नहीं हो सकते हैं। धारणा 4: कोई महत्वपूर्ण आउटलायर नहीं होना चाहिए एक आउटएयर आपके डेटा सेट में केवल एक मामला है जो सामान्य पैटर्न का पालन नहीं करता (उदाहरण के लिए 100 छात्रों के एक अध्ययन में IQ स्कोर, जहां औसत स्कोर 108 थी, छात्रों के बीच केवल एक छोटे बदलाव, एक छात्र के पास 156 का स्कोर था , जो कि बहुत ही असामान्य है, और उसे विश्व स्तर पर आईक्यू स्कोर के शीर्ष 1 में भी डाल सकता है)। आउटलाइर्स के साथ समस्या यह है कि वे एक तरफ़े एनोवा पर नकारात्मक प्रभाव डाल सकते हैं, जिससे आपके परिणामों की सटीकता कम हो सकती है। सौभाग्य से, जब आप अपने डेटा पर एक-तरफा एनोवा चलाने के लिए स्टेटा का इस्तेमाल करते हैं, तो आप आसानी से संभव आउटलाइनर का पता लगा सकते हैं। धारणा 5: आपके आश्रित चर को सामान्य रूप से स्वतंत्र चर के प्रत्येक वर्ग के लिए वितरित किया जाना चाहिए। आपके डेटा को केवल एक-तरफा एनोवा चलाने के लिए लगभग सामान्य होना चाहिए क्योंकि यह सामान्यता के उल्लंघन के लिए काफी मजबूत है, जिसका अर्थ है कि यह धारणा थोड़ा उल्लंघन करती है और फिर भी वैध परिणाम प्रदान करती है। आप सामान्यता के शापिरो-विल्क टेस्ट का उपयोग करके सामान्यता के लिए परीक्षण कर सकते हैं, जिसे स्ताटा का उपयोग करने के लिए आसानी से जांच की जाती है। धारणा 6: भिन्नता की एकरूपता होने की आवश्यकता है। आप इस धारणा को स्टेटा में लेवेन्स टेस्ट का उपयोग करके भिन्नता के समरूपता का परीक्षण कर सकते हैं। लेवेन्स टेस्ट बहुत महत्वपूर्ण है, जब परिणाम एक-तरफा एनोवा गाइड से मिलता है, क्योंकि स्ताटा विभिन्न आउटपुट उत्पादन करने में सक्षम है, इस पर निर्भर करता है कि आपका डेटा इस धारणा को पूरा करता है या विफल रहता है या नहीं। व्यवहार में, मान्यताओं 4, 5 और 6 की जांच करना संभवतः आपके एक समय के दौरान एनोवा को ले जाने में अधिक समय लेगा। हालांकि, यह एक कठिन काम नहीं है, और Stata आपको ऐसा करने के लिए आवश्यक सभी उपकरण प्रदान करता है। अनुभाग में, स्टेटा में टेस्ट प्रक्रिया हम एक एकमात्र एनोवा को संभालने के लिए आवश्यक स्टेटा प्रक्रिया को स्पष्ट करते हैं कि कोई मान्यताओं का उल्लंघन नहीं किया गया है। सबसे पहले, हम उदाहरण का प्रयोग करते हैं जो हम स्टेटा में एकमात्र एनोवा प्रक्रिया की व्याख्या के लिए उपयोग करते हैं। एक ऑनलाइन रिटेलर कर्मचारियों से सर्वश्रेष्ठ प्राप्त करना चाहता है, साथ ही उनके कार्य अनुभव को बेहतर बनाता है। वर्तमान में, खुदरा विक्रेताओं के आदेश पूरा करने के केंद्र में कर्मचारी काम करते समय किसी भी तरह के मनोरंजन (जैसे पृष्ठभूमि संगीत, टेलीविजन, आदि) प्रदान नहीं करते हैं। हालांकि, रिटेलर यह जानना चाहता है कि संगीत उपलब्ध कराने के लिए कुछ कर्मचारियों द्वारा अनुरोध किया गया है कि वे अधिक उत्पादकता हासिल करेंगे, और यदि हां, तो कितना होगा इसलिए, शोधकर्ता 60 कर्मचारियों के एक यादृच्छिक नमूने की भर्ती करते हैं। 60 प्रतिभागियों का यह नमूना बेतरतीब ढंग से प्रत्येक समूह में 20 प्रतिभागियों के साथ तीन स्वतंत्र समूहों में विभाजित हो गया: (ए) एक नियंत्रण समूह, जो संगीत (बी) को नहीं सुनता एक उपचार समूह, जो संगीत की बात सुने, लेकिन जिनके बारे में उन्होंने सुना और (सी) एक दूसरे उपचार समूह जिन्होंने संगीत की बात सुनी और जिनके बारे में उन्होंने सुन लिया प्रयोग एक महीने तक चली। प्रयोग के अंत में, तीन समूहों की उत्पादकता प्रति घंटे संसाधित संकुल की औसत संख्या के अनुसार मापा गया। इसलिए, निर्भर चर उत्पादकता (एक महीने के प्रयोग के दौरान प्रति घंटे संसाधित किए गए संकुल की औसत संख्या के मामले में मापा जाता है), जबकि स्वतंत्र चर उपचार प्रकार था, जहां तीन स्वतंत्र समूह थे: कोई संगीत (नियंत्रण समूह), संगीत - कोई विकल्प नहीं (उपचार समूह ए) और संगीत - च्वाइस (उपचार समूह बी)। एक एकमात्र एनोवा का उपयोग यह निर्धारित करने के लिए किया गया था कि क्या तीन स्वतंत्र समूहों के बीच उत्पादकता में सांख्यिकीय रूप से महत्वपूर्ण अंतर है। नोट: इस गाइड के लिए इस्तेमाल किया जाने वाला उदाहरण और डेटा फर्जी है हमने इन्हें इस गाइड के प्रयोजनों के लिए बनाया है। स्ताट में स्टैट में सेटअप, हमने स्वतंत्र चर बनाने के द्वारा विश्लेषण के लिए तीन समूहों को अलग किया। संगीत कहा जाता है और दिया: (ए) 1 का मान - नियंत्रण समूह के लिए कोई संगीत नहीं (बी) 2 का एक मूल्य - संगीत - इलाज समूह के लिए कोई विकल्प नहीं जो संगीत की बात सुनी, लेकिन उनके पास कोई भी पसंद नहीं था जो उन्होंने सुना और (सी) 3 के मूल्य - म्यूजिक-चॉइस को उपचार समूह के लिए, जिन्होंने संगीत की बात सुनी और उनके बारे में जो कुछ उन्होंने सुनी थी, उनका एक विकल्प था, जैसा कि नीचे दिखाया गया है: स्टाटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित स्वतंत्र चर, संगीत के लिए स्कोर तब डेटा एडिटर (संपादित करें) स्प्रैडशीट के बाएं हाथ के कॉलम में प्रवेश किया गया था, जबकि निर्भर चर के लिए मान उत्पादकता। दाएं हाथ के कॉलम में प्रवेश किया गया, जैसा कि नीचे दिखाया गया है: स्टेटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित स्टेटा में टेस्ट प्रक्रिया इस खंड में, हम आपको दिखाते हैं कि स्टैट में एक-तरफा एनोवा का उपयोग करके अपने डेटा का विश्लेषण कैसे किया जाए, जब पिछले खंड में धारणाएं, आकलन का उल्लंघन नहीं किया गया है। आप कोड या स्टेटस ग्राफ़िकल यूजर इंटरफेस (जीयूआई) का उपयोग कर एक एकमात्र एनोवा का उपयोग कर सकते हैं। आपके विश्लेषण के बाद, हम आपको दिखाते हैं कि आपके परिणामों का विवरण कैसे लें। सबसे पहले, चुनें कि क्या आप कोड या स्टेटस ग्राफ़िकल यूजर इंटरफेस (जीयूआई) का उपयोग करना चाहते हैं। नीचे दिए गए पहले खंड में, हम एक एकमात्र एनोवा को चलाने के लिए कोड सेट करते हैं और दूसरे खंड में, पोस्ट-हॉक टेस्ट जो एक-तरफा एनोवा के बाद होता है सभी कोड स्टेटस बॉक्स में दर्ज किए गए हैं, जैसा कि नीचे दिए गए सचित्र: स्टेटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित एक तरफा एनोवा आपके डेटा पर एक-तरफा एनोवा चलाने के लिए कोड का इस्तेमाल होता है: ऑनवे निर्भर, व्हेरेबल स्वतंत्र, टैबेट हमारे उदाहरण का उपयोग करते हैं जहां पर निर्भर चर उत्पादकता है और स्वतंत्र वैरिएबल संगीत है। आवश्यक कोड होगा: ऑनवे उत्पादकता संगीत, टैबलेट नोट: आप कोड के अंत में टैबलेट कमांड को बिना जोड़ते हुए ऑनवे आदेश चला सकते हैं, लेकिन यह उपयोगी वर्णनात्मक आँकड़े (मतलब, मानक विचलन और एन) प्रदान करता है, इसलिए हम इसे शामिल करना चुनना इसलिए, कोड दर्ज करें और अपने कीबोर्ड पर ReturnEnter बटन दबाएं। आप स्टेटा आउटपुट देख सकते हैं जो यहां निर्मित किया जाएगा। यदि आपके समूह के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर है, तो आप यह निर्धारित करने के लिए नीचे दिए गए कोड का उपयोग करते हुए पोस्ट हॉस्क टेस्ट कर सकते हैं जहां कोई मतभेद झूठ बोलते हैं पोस्ट हॉक परीक्षण कई तरह के पोस्ट हॉक्ट टेस्ट हैं, जिनका उपयोग आप एक तरह से एनोवा (जैसे बोनफोरोनी, सिडाक, स्कीफ, ट्यूके, इत्यादि) के बाद कर सकते हैं। हम आपको नीचे दिए गए तोके पोस्ट हॉस्क टेस्ट को चलाने के लिए कोड दिखाते हैं, जो प्रपत्र लेते हैं: प्व्मीन निर्भर श्रद्धालु, परस्पर निर्भर, मैकम्पारे (ट्यूकी) प्रभाव हमारे उदाहरण का उपयोग करते हैं जहां पर निर्भर चर उत्पादकता है और स्वतंत्र वैरिएबल संगीत है आवश्यक कोड होगा: pwmean उत्पादकता, ओवरम्यूजिक, एमकंप्रेयर (ट्यूकी) प्रभाव नोट: आपको पोस्ट-हॉक टेस्ट करने से पहले स्टेटा में एक-तरफ़ा एनोवा चलाने की जरूरत है या स्टेटा निम्न त्रुटि संदेश प्रदर्शित करेगा: अंतिम अनुमान नहीं मिला । यह पर्याप्त नहीं है कि आपकी फ़ाइल सही ढंग से लेबल किए गए प्रासंगिक निर्भर और स्वतंत्र चर के साथ ठीक से सेट की गई है पश्चात हादसे के परीक्षणों को पूरा करने के प्रयोजनों के लिए स्ताता इन्हें पहचान नहीं लेता जब तक कि आप एकमात्र एनोवा चलाने न दें। इसलिए, यदि आपको कोई त्रुटि संदेश मिलता है, तो आपको एक-तरफ़ा एनोवा प्रक्रिया फिर से चलाने के लिए और बाद में पोस्ट होक कोड को दूसरी बार दर्ज करना होगा। इसलिए, कोड दर्ज करें और अपने कीबोर्ड पर ReturnEnter बटन दबाएं। आप स्टेटा आउटपुट देख सकते हैं जो यहां पोस्ट होक टेस्ट से तैयार किया जाएगा और यहाँ मुख्य एकमात्र एनोवा प्रक्रिया है। ग्राफ़िकल यूजर इंटरफेस (जीयूआई) नीचे दिए गए पहले खंड में, हम कोड को एक एक तरह से एनोवा चलाने के लिए सेट करते हैं। और दूसरे खंड में, पोस्ट-हॉक टेस्ट जो एक-तरफा एनोवा के बाद होता है एक तरह से एनोवा चयन सांख्यिकी gt रैखिक मॉडल और संबंधित gt एनोवामानोए gt एक-रास्ता एनोवा शीर्ष मेनू पर, जैसा कि नीचे दिखाया गया है। StataCorp LP से लिखित अनुमति के साथ प्रकाशित आपको निम्नलिखित ऑनवे पर प्रस्तुत किया जाएगा - विचरण संवाद बॉक्स के वन-वे विश्लेषण: स्टैटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित निर्भर चर, उत्पादकता चुनें। रिस्पांस वैरिएबल के भीतर से: ड्रॉप-डाउन बॉक्स, और स्वतंत्र वेरिएबल, म्यूजिक। फैक्टर वेरिएबल में: ड्रॉप-डाउन बॉक्स अगला, ndashOutputndash क्षेत्र में सारांश तालिका बॉक्स का निर्माण करें, जैसा कि नीचे दिखाया गया है: StataCorp LP से लिखित अनुमति के साथ प्रकाशित आप स्टेटा आउटपुट देख सकते हैं जो यहां निर्मित किया जाएगा। यदि आपके समूह के बीच एक सांख्यिकीय महत्वपूर्ण अंतर है, तो आप यह निर्धारित करने के लिए नीचे दिए गए प्रक्रिया का उपयोग करते हुए, पोस्ट हॉस्ट टेस्ट कर सकते हैं जहां कोई मतभेद झूठ बोलते हैं पोस्ट हॉक टेस्ट क्लिक्स करें सांख्यिकी gt सारांश, तालिकाओं, और परीक्षण gt सारांश और वर्णनात्मक आंकड़े gt शीर्ष मेनू पर साधनों की तुलना करें, जैसा कि नीचे दिखाया गया है। StataCorp LP से लिखित अनुमति के साथ प्रकाशित आपको निम्नलिखित प्वमेन के साथ प्रस्तुत किया जाएगा - अर्थ वार्ता बॉक्स के समान संयोजन: स्टाटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित निर्भर चर, उत्पादकता चुनें। परिवर्तनीय के भीतर से: ड्रॉप-डाउन बॉक्स, और स्वतंत्र वैरिएबल, संगीत। ओवर में से: ड्रॉप-डाउन बॉक्स इसके बाद, मल्टिपल तुलना एडजस्टमेंट ड्रॉप डाउन बॉक्स के भीतर से पोस्ट-हॉक टेस्ट का चयन करें, जैसा कि नीचे दिखाया गया है: स्टाटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित नोट: आपको पोस्ट-हॉक टेस्ट से पहले या स्टैटा एक त्रुटि संदेश दिखाए जाने से पहले आपको एकमात्र एनोवा को स्टेटा में चलाने की आवश्यकता होगी। यह पर्याप्त नहीं है कि आपकी फ़ाइल सही ढंग से लेबल किए गए प्रासंगिक निर्भर और स्वतंत्र चर के साथ ठीक से सेट की गई है पश्चात हादसे के परीक्षणों को पूरा करने के प्रयोजनों के लिए स्ताता इन्हें पहचान नहीं लेता जब तक कि आप एकमात्र एनोवा चलाने न दें। इसलिए, अगर आपको कोई त्रुटि संदेश मिलता है, तो आपको एक-तरफ़ा एनोवा प्रक्रिया फिर से चलाने के लिए और दूसरी बार पोस्ट हॉक प्रक्रिया का पालन करना होगा। लाल आयत में हाइलाइट किए गए टैब पर क्लिक करें आप नीचे दी गई तस्वीर के समान एक स्क्रीन के साथ समाप्त होंगे: स्टेटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित विश्वास स्तर ड्रॉप-डाउन बॉक्स में 95 मान को बदलकर डिफ़ॉल्ट 95 विश्वास अंतराल रखें। इसके बाद, इंप्रेशन टेबल विकल्प चुनें, जो नीचे तीन और विकल्प खोलेंगे। अंत में, विश्वास के अंतराल और पी-वैल्यू बॉक्स के साथ प्रभाव दिखाएं तालिका दिखाएं, जैसा कि नीचे दिखाया गया है: स्टाटाकार्प एलपी से लिखित अनुमति के साथ प्रकाशित आप स्टेटा आउटपुट देख सकते हैं जो यहां पोस्ट होक टेस्ट से तैयार किया जाएगा और यहाँ मुख्य एकमात्र एनोवा प्रक्रिया है। स्टैट में वन-वे एनोवा का आउटपुट यदि आपके डेटा में धारणा 4 पारित हो गई है (यानी कोई महत्वपूर्ण आउटलायर नहीं है), धारणा 5 (अर्थात आपके निर्भर चर को लगभग सामान्य रूप से स्वतंत्र चर के प्रत्येक समूह के लिए वितरित किया गया था) और धारणा 6 (यानी वहां था वेरिएंस की एकरूपता), जो हमने पहले धारणाएं अनुभाग में समझाया था, आपको केवल एक-तरफा एनोवा के लिए निम्न स्टेटा आउटपुट की व्याख्या करने की आवश्यकता होगी: वर्णनात्मक आंकड़े नीचे दिए गए लाल आयत पर प्रकाश डाला गया वर्णन, कुछ बहुत ही उपयोगी वर्णनात्मक आंकड़े प्रदान करता है , स्वतंत्र चर, संगीत (यानी कोई संगीत, संगीत - कोई विकल्प नहीं और संगीत - च्वाइस) के प्रत्येक समूह के लिए निर्भर चर (उत्पादकता) के लिए औसत, मानक विचलन और नमूना आकार सहित, साथ ही जब सभी समूह एकत्रित होते हैं ( कुल)। ये आंकड़े तब उपयोगी होते हैं जब आपको अपने डेटा का वर्णन करने की आवश्यकता होती है। StataCorp LP से लिखित अनुमति के साथ प्रकाशित वन-वे एएनओवीए परिणाम एक तरफ़ा एनोवा के लिए स्टेटा आउटपुट नीचे लाल आयत में दिखाया गया है, यह दर्शाता है कि हमारे तीन समूह के साधनों के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर है या नहीं। हम देख सकते हैं कि महत्व का स्तर 0.0040 (पी .004) है, जो नीचे 0.05 है। और, इसलिए, स्वतंत्र चर, संगीत (यानी संगीत, संगीत - कोई विकल्प और संगीत - च्वाइस) के तीन अलग-अलग समूहों के बीच औसत उत्पादकता में एक सांख्यिकीय महत्वपूर्ण अंतर है। यह जानना बहुत अच्छा है, लेकिन हम नहीं जानते कि विशिष्ट समूहों में से कौन-कौन से मतभेद हैं। सौभाग्य से, हम इसे समान रूपों के साथ तुलनात्मक रूप से तुलनात्मक साधनों के साथ मिल सकते हैं, जिसमें हमारे पोस्ट हॉक टेस्ट के परिणाम (नीचे देखें) शामिल हैं। StataCorp LP से लिखित अनुमति के साथ प्रकाशित टुके के बाद हॉक टेस्ट के लिए समानता के परिणाम परिणाम अब तक परिणामों से, हम जानते हैं कि समूह के कम से कम एक समूह दूसरे समूह के साधनों से अलग है। इसके बाद, हम नीचे स्टेटा आउटपुट का उपयोग कर सकते हैं, बराबर रूपों के साथ साधनों की समानता की तुलना करें। यह निर्धारित करने के लिए कि कौन से समूह एक दूसरे से अलग थे पी-वेल्यू (यानी ट्यूकी कॉलम के तहत पीजीटीटी पंक्ति) को देखकर, हम देख सकते हैं कि संगीत-चॉइस ग्रुप के बीच उत्पादकता में एक सांख्यिकीय रूप से महत्वपूर्ण अंतर है, जो संगीत को सुनता है (और उनके पास क्या संगीत है ) और कोई संगीत नियंत्रण समूह नहीं है जो संगीत (पी 0.003) को नहीं सुनता। हालांकि, संगीत के बीच कोई अंतर नहीं था - कोई भी पसंद समूह जिसने संगीत की बात नहीं सुनी (लेकिन उस पर कोई संगीत नहीं था कि वह किस संगीत को सुनता है) और न संगीत संगीत समूह (पी 0.467) या संगीत-च्वाइस समूह और संगीत के बीच - कोई विकल्प समूह नहीं (पी 0.072)। StataCorp LP से लिखित अनुमति के साथ प्रकाशित निम्न अनुभाग में, हम आपको दिखाते हैं कि आप इन परिणामों की रिपोर्ट कैसे कर सकते हैं नोट: हम उपरोक्त एकमात्र एनोवा से आउटपुट पेश करते हैं। हालांकि, चूंकि हमने धारणाओं के बारे में पहले समझाए गए मान्यताओं के लिए अपने डेटा का परीक्षण किया था, इसलिए आपको उन स्टेटा आउटपुट की व्याख्या भी करनी होगी जो आपने उनके लिए जांच की थी। इसमें शामिल हैं: (ए) बॉक्सप्लेट जिन्हें आप देखना चाहते थे कि क्या कोई महत्वपूर्ण आउटलाइज़र है (बी) आउटटाटा स्टैटा आपके शापिरो-विल्क परीक्षण की सामान्यता का निर्धारण करने के लिए पैदा करता है और (सी) आउटपुट स्टेटा की एकरूपता के लिए लेवेन्स टेस्ट का उत्पादन प्रसरण। इसके अलावा, याद रखें कि यदि आपका डेटा इन मान्यताओं में से कोई भी विफल हो गया है, तो एक तरफ़ा एनोवा प्रक्रिया (जो हमने ऊपर चर्चा की है) से प्राप्त आउटपुट अब प्रासंगिक नहीं होगा, और आपको स्टैटा आउटपुट को समझने की आवश्यकता होगी जब वे विफल हो जाते हैं तब उत्पादन किया जाता है (यानी इसमें विभिन्न परिणाम शामिल हैं) वन-वे एनोवा के आउटपुट की रिपोर्टिंग जब आप अपने एकमात्र एनोवा के आउटपुट की रिपोर्ट करते हैं, तो इसमें शामिल करने के लिए अच्छा अभ्यास है: ए। आपके द्वारा किए गए विश्लेषण का परिचय। बी आपके नमूने के बारे में जानकारी (जिसमें आपके प्रत्येक समूह में कितने प्रतिभागी शामिल थे यदि समूह के आकार असमान थे या मूल्यों में कमी थी)। सी। क्या आपके समूह के बीच सांख्यिक रूप से महत्वपूर्ण मतभेद हैं (देखें एफ-वेल्यू एफ, स्वतंत्रता की डिग्री, और महत्व स्तर, या अधिक विशेष रूप से, 2-पूंछ पी-गुण प्रो जीबी एफ डी।) समूहों के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर था, आपके प्रत्येक समूह के लिए मतलब (कंट्रास्ट) और मानक त्रुटि (मानक त्रुटि) सहित टुके के बाद के परीक्षण से परिणाम, साथ ही संबंधित 2-पूंछ पी - मूल्य प्रो ग्रेट टी। ऊपर स्टैटा आउटपुट के आधार पर। हम इस अध्ययन के परिणामों की निम्नानुसार रिपोर्ट कर सकते हैं: एक तरह से एनोवा निर्धारित किया गया था कि पैकिंग सुविधा में उत्पादकता विभिन्न शारीरिक गतिविधि स्तरों वाले समूहों के लिए अलग थी या नहीं। मतलब मानक त्रुटि। प्रतिभागियों को तीन समूहों में वर्गीकृत किया गया था: कोई संगीत (एन 20), संगीत - कोई विकल्प नहीं (एन 20) और संगीत - च्वाइस (एन 20)। समूह के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर था, जो एक तरह से एनोवा द्वारा निर्धारित (एफ (2,57) 6.08, पी .004) ए टुके के पोस्ट-हॉक टेस्ट से पता चला कि संगीत-समूह समूह (8.55 2.4 9 संकुल, पी। 003) की तुलना में संगीत-चॉइस समूह में उत्पादकता सांख्यिकीय रूप से काफी अधिक थी। हालांकि, संगीत - कोई विकल्प नहीं और कोई संगीत समूह (2.95 2.4 9 पैकेज, पृष्ठ 467), या संगीत-पसंद और संगीत - कोई विकल्प समूह (5.6 2.4 9 पैकेज, पी 072) के बीच कोई सांख्यिकीय महत्वपूर्ण अंतर नहीं थे। उपरोक्त के रूप में परिणामों की रिपोर्टिंग के अतिरिक्त, एक आरेख आपके परिणामों को दर्शाने के लिए इस्तेमाल किया जा सकता है उदाहरण के लिए, आप त्रुटि सलाखों के साथ एक बार चार्ट का उपयोग करके ऐसा कर सकते हैं (उदाहरण के लिए, जहां त्रुटि बार मानक विचलन, मानक त्रुटि या 95 आत्मविश्वास अंतराल हो सकते हैं) इससे दूसरों के लिए आपके परिणामों को समझना आसान हो सकता है इसके अलावा, आप अपने एकमात्र एनोवा परिणाम के अतिरिक्त प्रभाव आकारों की रिपोर्ट कर रहे हैं। प्रभाव का आकार महत्वपूर्ण है क्योंकि एक तरफ़ा एनोवा कहता है कि समूह के बीच के मतभेद वास्तविक हैं (अर्थात आबादी में अलग), यह आपको अंतर का आकार नहीं बताता है। हालांकि, इस प्रक्रिया का उपयोग करने के लिए स्ताता आपके लिए इन प्रभावों के आकार का उत्पादन नहीं करेगा, ऐसा करने के लिए स्ताटा में एक प्रक्रिया है।