ပုံမှန် ယူဆချက်များ ကျရှုံးသောအခါ
t-test နှင့် ANOVA ကဲ့သို့ လူကြိုက်များသော စာရင်းအင်း စမ်းသပ်ချက် အများစုသည် ဒေတာသည် ပုံမှန် (ခေါင်းလောင်းပုံ) ဖြန့်ဝေမှုမှ လာကြောင်း ယူဆသည်။ ဤယူဆချက်များ မမှန်သောအခါ ဘာဖြစ်မည်နည်း?
လက်တွေ့ ဒေတာသည် မကြာခဏ မျှတမှုမရှိ၊ ခြားနားချက်များ ရှိ၊ သို့မဟုတ် အဆင့်များ ပုံစံဖြင့် လာသည်။ နွန်ပါရာမက်ထရစ် စမ်းသပ်ချက်များသည် ခိုင်မာသော အစားထိုးနည်းလမ်း ပေးသည်။
အထက်ပါ အစက်ပုံကို ကြည့်ပါ။ ဤဒေတာတွင် ညာဘက်ကို မျှတမှုမရှိမှု ရှင်းရှင်းလင်းလင်း ရှိပြီး အစွန်းတန်ဖိုး အနည်းငယ်က အမြီးကို ဆွဲထုတ်ထားသည်။ နွန်ပါရာမက်ထရစ် နည်းလမ်းများသည် အကြမ်းတန်ဖိုးများအစား အဆင့်များဖြင့် အလုပ်လုပ်သောကြောင့် ဤကို ကောင်းမွန်စွာ ကိုင်တွယ်နိုင်သည်။
အဆင့်အခြေခံ ချဉ်းကပ်မှု
နွန်ပါရာမက်ထရစ် စမ်းသပ်ချက် အများစု၏ အဓိက အယူအဆမှာ ရိုးရှင်းသည် -- အမှန်တကယ် ဒေတာတန်ဖိုးများကို ခွဲခြမ်းစိတ်ဖြာမည့်အစား ၎င်းတို့ကို အဆင့်များအဖြစ် ပြောင်းလဲသည်။ အဆင့်များသည် ဒေတာ၏ အစဉ်ကို ထိန်းသိမ်းပြီး တန်ဖိုးများကြား အကွာအဝေး ဘယ်လောက်ရှိသည်ဖြင့် မသက်ဆိုင်ပါ။
Mann-Whitney U စမ်းသပ်ချက်
Mann-Whitney U စမ်းသပ်ချက် (Wilcoxon rank-sum test ဟုလည်း ခေါ်သည်) သည် လွတ်လပ်သော နမူနာ t-test ၏ နွန်ပါရာမက်ထရစ် အစားထိုးဖြစ်သည်။
စားသောက်ဆိုင်တစ်ခုသည် နေ့လည်စာနှင့် ညစာဝန်ဆောင်မှုကြား ဖောက်သည်ကျေနပ်မှု အဆင့်သတ်မှတ်ချက်များ (1-10 စကေး) ကို နှိုင်းယှဉ်လိုသည်။ Mann-Whitney U စမ်းသပ်ချက်သည် အဆင့်သတ်မှတ်ချက်အားလုံးကို အုပ်စုမခွဲဘဲ အဆင့်သတ်မှတ်ပြီး အုပ်စုတစ်ခု၏ အဆင့်များ ပိုမြင့်လေ့ရှိမရှိ စစ်ဆေးသည်။
Wilcoxon Signed-Rank စမ်းသပ်ချက်
Wilcoxon signed-rank စမ်းသပ်ချက်သည် paired samples t-test ၏ နွန်ပါရာမက်ထရစ် အစားထိုးဖြစ်သည်။ တူညီသော လူများမှ ဆက်စပ်သော တိုင်းတာမှုနှစ်ခု ရှိသော်လည်း ကွာခြားချက်များ ပုံမှန်ဖြန့်ဝေမှု မလိုက်နာသောအခါ အသုံးပြုသည်။
Kruskal-Wallis စမ်းသပ်ချက်
Kruskal-Wallis စမ်းသပ်ချက်သည် Mann-Whitney ချဉ်းကပ်မှုကို လွတ်လပ်သော အုပ်စု သုံးခု သို့မဟုတ် ထို့ထက်ပိုသော အုပ်စုများသို့ ချဲ့ထွင်သည်။ ၎င်းသည် one-way ANOVA ၏ နွန်ပါရာမက်ထရစ် အစားထိုးဖြစ်သည်။
ကုမ္ပဏီတစ်ခုသည် ဝဘ်ဆိုက်ဒီဇိုင်း သုံးခုကို စမ်းသပ်ပြီး သုံးစွဲသူ ပါဝင်မှုရမှတ်များ စုဆောင်းသည်။ ရမှတ်များသည် မျှတမှုမရှိသောကြောင့် Kruskal-Wallis စမ်းသပ်ချက်သည် ပုံမှန်ဖြန့်ဝေမှု မလိုအပ်ဘဲ ဒီဇိုင်းသုံးခုကို နှိုင်းယှဉ်သည်။
နွန်ပါရာမက်ထရစ် ဘယ်အချိန် အသုံးပြုရမည်နည်း
ဒေတာသည် ordinal (Likert စကေး အဆင့်သတ်မှတ်ချက်များကဲ့သို့) ဖြစ်သောအခါ၊ နမူနာအရွယ်အစား အလွန်သေးသောအခါ (အုပ်စုတစ်ခုလျှင် 20-30 အောက်)၊ ဒေတာ ရှင်းရှင်းလင်းလင်း မျှတမှုမရှိသောအခါ သို့မဟုတ် ခြားနားချက်များ ပါဝင်သောအခါ နွန်ပါရာမက်ထရစ် စမ်းသပ်ချက်များ အသုံးပြုပါ။
ပိုလုံခြုံသည်ဟု ထင်သောကြောင့်ဆိုပြီး နွန်ပါရာမက်ထရစ် စမ်းသပ်ချက်များကို မသုံးပါနှင့်။ ဒေတာသည် ပါရာမက်ထရစ် ယူဆချက်များကို ကျိုးကြောင်းဆီလျော်စွာ ပြည့်မီသောအခါ ပါရာမက်ထရစ် စမ်းသပ်ချက်များသည် ပိုမိုအားကောင်းသည်။
နွန်ပါရာမက်ထရစ် စမ်းသပ်ချက်များသည် ဒေတာ ပုံမှန်ဖြန့်ဝေမှု မလိုက်နာသောအခါ၊ ခြားနားချက်များ ပါဝင်သောအခါ သို့မဟုတ် ordinal စကေးဖြင့် တိုင်းတာထားသောအခါ သင့်ဘေးကင်းကွန်ယက်ဖြစ်သည်။ Mann-Whitney U သည် လွတ်လပ်သော အုပ်စုနှစ်ခုကို နှိုင်းယှဉ်သည်၊ Wilcoxon signed-rank သည် အတွဲလိုက် တိုင်းတာမှုများကို နှိုင်းယှဉ်သည်၊ Kruskal-Wallis သည် အုပ်စုသုံးခု သို့မဟုတ် ထို့ထက်ပိုသော အုပ်စုများကို နှိုင်းယှဉ်သည်။