أنوفا f اختبار في فوركس ستاتا

أنوفا ثنائية الاتجاه في ستاتا مقدمة يقارن أنوفا ثنائي الاتجاه متوسط ​​الفروق بين المجموعات التي تم تقسيمها على متغيرين مستقلين (تسمى العوامل). والغرض الرئيسي من أنوفا ثنائية الاتجاه هو فهم ما إذا كان هناك تفاعل بين المتغيرين المستقلين على المتغير التابع. على سبيل المثال، يمكنك استخدام أنوفا في اتجاهين لفهم ما إذا كان هناك تفاعل بين مستوى التعليم ونوع درجة على الراتب (أي المتغير التابع الخاص بك سيكون المرتب، ويقاس على نطاق مستمر باستخدام الدولار الأمريكي، والمتغيرات المستقلة الخاصة بك سيكون المستوى التعليمي، الذي يحتوي على ثلاث مجموعات نداش الجامعية، الماجستير والدكتوراه ندش ودرجة نوع، والتي لديها خمس مجموعات: الدراسات التجارية وعلم النفس والعلوم البيولوجية والهندسة والقانون). بدلا من ذلك، يمكنك استخدام أنوفا في اتجاهين لفهم ما إذا كان هناك تفاعل بين مستوى النشاط البدني والجنس على تركيز الكولسترول في الدم لدى الأطفال (أي متغير التابع الخاص بك سيكون تركيز الكوليسترول في الدم، ويقاس على نطاق مستمر في ممول، فإن المتغيرات المستقلة ستكون مستوى النشاط البدني، الذي يحتوي على ثلاث مجموعات نداش منخفضة، معتدلة وعالية نداش ونوع الجنس، والتي لديها مجموعتين: ذكور وإناث). ملاحظة: إذا كان لديك ثلاثة متغيرات مستقلة بدلا من اثنين، تحتاج إلى أنوفا ثلاثي. إذا كان لديك تفاعل ذو دلالة إحصائية بين المتغيرين المستقلين على المتغير التابع، يمكنك متابعة هذه النتيجة من خلال تحديد ما إذا كانت هناك أي تأثيرات رئيسية لكوتسيمبل، وإذا كانت هناك، ما هي هذه الآثار (على سبيل المثال ربما الإناث مع التعليم الجامعي كان لها اهتمام أكبر بالسياسة من الذكور مع التعليم الجامعي). نعود إلى الآثار الرئيسية بسيطة في وقت لاحق. في هذا الدليل بداية سريعة، نعرض لكم كيفية تنفيذ اتجاهين أنوفا باستخدام ستاتا، وكذلك تفسير والإبلاغ عن نتائج من هذا الاختبار. ومع ذلك، قبل أن نقدم لكم هذا الإجراء، تحتاج إلى فهم الافتراضات المختلفة التي يجب أن تلبي البيانات الخاصة بك من أجل أنوفا اتجاهين لتعطيك نتيجة صالحة. نناقش هذه الافتراضات بعد ذلك. الافتراضات هناك ستة افتراضات تدعم أنوفا ثنائية الاتجاه. إذا لم يتم استيفاء أي من هذه الافتراضات الستة، لا يمكنك تحليل بياناتك باستخدام أنوفا ثنائية الاتجاه لأنك لن تحصل على نتيجة صالحة. وبما أن الافتراضات 1 و 2 و 3 تتعلق بتصميم الدراسة واختيار المتغيرات، فإنها لا يمكن اختبارها لاستخدام ستاتا. ومع ذلك، يجب عليك أن تقرر ما إذا كانت دراستك تلبي هذه الافتراضات قبل الانتقال. الافتراض 1: يجب قياس المتغير التابع الخاص بك على المستوى المستمر. ومن أمثلة هذه المتغيرات المستمرة الارتفاع (قياس بالأقدام والبوصة)، ودرجة الحرارة (المقاسة بالديغك)، والراتب (مقيس بالدولار الأمريكي)، ووقت المراجعة (مقيس بالساعات)، والذكاء (المقيس باستخدام درجة الذكاء)، ووقت التفاعل في الملي ثانية)، وأداء الاختبار (المقاسة من 0 إلى 100)، والمبيعات (مقاسة بعدد المعاملات في الشهر)، وهكذا دواليك. إذا لم تكن متأكدا مما إذا كان متغيرك التابع متواصلا (بمعنى أنه يتم قياسه على مستوى الفاصل الزمني أو مستوى النسبة)، فاطلع على أنواع من الدليل المتغير. الافتراض 2: يجب أن يتكون كل من المتغيرين المستقلين من فئتين أو أكثر. (غير ذات صلة). ومن الأمثلة على المتغيرات الفئوية نوع الجنس (على سبيل المثال مجموعتين: ذكور وإناث)، والعرق (على سبيل المثال 3 مجموعات: القوقاز، والأمريكيين من أصل أفريقي، والإسباني)، والمهنة (على سبيل المثال 5 مجموعات: جراح، طبيب، ممرضة، طبيب أسنان، معالج) . الافتراض 3: يجب أن يكون لديك استقلالية الملاحظات. مما يعني أنه لا توجد علاقة بين الملاحظات في كل مجموعة أو بين المجموعات نفسها. على سبيل المثال، يجب أن يكون هناك مشاركون مختلفون في كل مجموعة مع عدم وجود مشارك في أكثر من مجموعة واحدة. إذا لم يكن لديك استقلالية من الملاحظات، فمن المرجح أن لديك مجموعات ذات الصلة، مما يعني أنك قد تحتاج إلى استخدام اتجاهين التدابير المتكررة أنوفا بدلا من أنوفا اتجاهين. لحسن الحظ، يمكنك التحقق من الافتراضات 4 و 5 و 6 باستخدام ستاتا. عند الانتقال إلى الافتراضات 4 و 5 و 6، نقترح اختبارها في هذا الترتيب لأنها تمثل أمرا حيث، إذا كان انتهاك الافتراض غير قابل للتصحيح، لن تكون قادرة على استخدام أنوفا في اتجاهين. في الواقع، لا تفاجأ إذا فشلت البيانات الخاصة بك واحد أو أكثر من هذه الافتراضات لأن هذا هو نموذجي إلى حد ما عند العمل مع البيانات في العالم الحقيقي بدلا من أمثلة الكتاب المدرسي، والتي غالبا ما تظهر لك فقط كيفية تنفيذ أنوفا في اتجاهين عند كل شيء سارت الامور بشكل جيد. ومع ذلك، لا داعي للقلق لأنه حتى عندما تفشل البيانات الخاصة بك بعض الافتراضات، غالبا ما يكون هناك حل للتغلب على هذا (على سبيل المثال تحويل البيانات الخاصة بك أو باستخدام اختبار إحصائي آخر بدلا من ذلك). تذكر فقط أنه إذا لم تتحقق من أن بياناتك تلبي هذه الافتراضات أو تختبرها بشكل غير صحيح، فقد لا تكون النتائج التي تحصل عليها عند تشغيل أنوفا ثنائية الاتجاه صالحة. الافتراض 4: لا ينبغي أن تكون هناك قيم متطرفة كبيرة. فالأسلوب الخارجي هو ببساطة حالة واحدة ضمن مجموعة البيانات الخاصة بك لا تتبع النمط المعتاد (على سبيل المثال في دراسة ل 100 طالب من درجات الذكاء، حيث كانت النتيجة المتوسطة 108 مع اختلاف بسيط بين الطلاب، وكان لدى طالب واحد درجة 156 ، وهو أمر غير عادي جدا، وربما حتى وضعها في أعلى 1 من درجات الذكاء على الصعيد العالمي). المشكلة مع القيم المتطرفة هي أنها يمكن أن يكون لها تأثير سلبي على اتجاهين أنوفا، والحد من دقة النتائج الخاصة بك. لحسن الحظ، عند استخدام ستاتا لتشغيل أنوفا في اتجاهين على البيانات الخاصة بك، يمكنك بسهولة الكشف عن القيم المتطرفة المحتملة. الافتراض 5: يجب أن يكون متغيرك المعتاد موزعا بشكل طبيعي تقريبا لكل مجموعة من مجموعتي المتغيرين المستقلين. البيانات الخاصة بك تحتاج فقط أن تكون طبيعية تقريبا لتشغيل اتجاهين أنوفا لأنها قوية جدا لانتهاكات طبيعية، وهذا يعني أن هذا الافتراض يمكن أن تنتهك قليلا، ولا تزال توفر نتائج صالحة. يمكنك اختبار لحالة طبيعية باستخدام اختبار شابيرو ويلك من الحياة الطبيعية، والتي يتم اختبارها بسهولة لاستخدام ستاتا. الافتراض 6: يجب أن يكون هناك تجانس للفروق لكل مجموعة من مجموعات المتغيرين المستقلين. يمكنك اختبار هذا الافتراض في ستاتا باستخدام اختبار ليفينس لتجانس الفروق. ومن الناحية العملية، فإن التحقق من الافتراضات 4 و 5 و 6 ربما يستغرق معظم وقتك عند تنفيذ أنوفا ثنائية الاتجاه. ومع ذلك، فإنه ليس مهمة صعبة، و ستاتا يوفر كل الأدوات التي تحتاج إلى القيام بذلك. في القسم، إجراء الاختبار في ستاتا. نوضح إجراء ستاتا المطلوب لتنفيذ أنوفا ثنائية الاتجاه بافتراض عدم وجود افتراضات قد انتهكت. أولا، وضعنا المثال الذي نستخدمه لشرح إجراء أنوفا في اتجاهين في ستاتا. وقد اهتم الباحث بما إذا كان اهتمام الأفراد بالسياسة يتأثر بمستوى تعليمهم ونوع جنسهم. لذلك كان المتغير التابع مهتما بالسياسة، وكان المتغيران المستقلان هما نوع الجنس ومستوى التعليم. وعلى وجه الخصوص، أراد الباحث معرفة ما إذا كان هناك تفاعل بين مستوى التعليم ونوع الجنس. وبطريقة أخرى، كان تأثير مستوى التعليم على الاهتمام بالسياسة المختلفة للذكور والإناث للإجابة على هذا السؤال، تم تجنيد عينة عشوائية مكونة من 60 مشاركا للمشاركة في الدراسة نداش 30 ذكرا و 30 أنثى نساش بالتساوي حسب المستوى من التعليم: المدرسة، الكلية والجامعة (أي 10 مشاركين في كل مجموعة). أكمل كل مشارك في الدراسة استبيانا يسجل اهتمامه بالسياسة على مقياس يتراوح بين صفر و 100، مع وجود درجات أعلى تشير إلى اهتمام أكبر بالسياسة. تم تسجيل اهتمام المشاركين بالسياسة في المتغير، إنتبوليتيكش. الجنس في المتغير، الجنس. ومستوى تعليمهم في المتغير، إدوليفيل. وبعبارات متفاوتة، أراد الباحث معرفة ما إذا كان هناك تفاعل بين النوع الاجتماعي و إدوليفيل حول السياسة الداخلية. الإعداد في ستاتا في ستاتا، قمنا بفصل الأفراد إلى مجموعاتهم المناسبة باستخدام عمودين يمثلان المتغيرين المستقلين، وصنفوا جنس و إدوليفيل. للجنس. نحن ترميز ذكر كما 1 والإناث كما 2. و إدوليفيل. نحن ترميز المدرسة 1. كلية 2 والجامعة 3. اهتمام المشاركين في السياسة نداش المتغير التابع ندش دخلت تحت اسم المتغير، إنتبوليتيكش. يمكن الاطلاع على الإعداد لهذا المثال أدناه: نشرت بإذن كتابي من ستاتاكورب لب. عشرات للمتغيرات المستقلة، إدوليفيل ونوع الجنس. فضلا عن الدرجات للمتغير التابع، إنتبوليتيكش. ثم تم إدخالها في جدول البيانات تحرير (تحرير)، كما هو مبين أدناه: نشرت بإذن خطي من ستاتاكورب لب. إجراء الاختبار في ستاتا في هذا القسم، نعرض لك كيفية تحليل البيانات الخاصة بك باستخدام أنوفا في اتجاهين في ستاتا عندما الافتراضات الستة في القسم السابق، الافتراضات. لم تنتهك. يمكنك تنفيذ اتجاهين أنوفا باستخدام رمز أو ستاتاس واجهة المستخدم الرسومية (غوي). بعد أن تقوم بتحليلك، نعرض لك كيفية تفسير نتائجك. أولا، اختر ما إذا كنت تريد استخدام رمز أو ستاتاس واجهة المستخدم الرسومية (غوي). في القسم الأول أدناه، وضعنا رمز لتنفيذ أنوفا في اتجاهين. يتم إدخال كافة التعليمات البرمجية في مربع ستاتاس، كما هو موضح أدناه: نشرت بإذن خطي من ستاتاكورب لب. رمز لتشغيل أنوفا في اتجاهين على البيانات الخاصة بك يأخذ شكل: أنوفا ديبندنتفاريابل فيرستينديبندنتفاريابلسيكوندينديبندنتفاريابل باستخدام مثالنا حيث المتغير التابع هو إنتبوليتيكش واثنين من المتغيرات المستقلة هي الجنس و إدوليفيل. سيكون الرمز المطلوب: أنوفا إنتبوليتيكش جيندروليفيل لذلك، أدخل رمز واضغط على زر ريتورنتر على الكلمة الرئيسية الخاصة بك. يمكنك أن ترى الإخراج ستاتا التي سيتم إنتاجها هنا. إذا كان هناك تفاعل ذو دلالة إحصائية، يمكنك تنفيذ تأثيرات رئيسية بسيطة. نناقش هذا لاحقا. واجهة المستخدم الرسومية (غوي) انقر فوق الإحصائيات نماذج غ الخطيه وذات الصلة غ أنوفامانوفا غ تحليل التباين والتباين في القائمة العلوية كما هو موضح أدناه. نشرت بإذن خطي من ستاتاكورب لب. سيتم تقديمك مع أنوفا التالية - تحليل التباين ومربع الحوار التباين: نشرت بإذن خطي من ستاتاكورب لب. حدد المتغير التابع، إنتبوليتيكش. من داخل المتغير التابع: المربع المنسدل، وانقر على زر النقطة الثلاث، إلى أقصى يسار المربع المنسدل النموذجي:. نشرت بإذن خطي من ستاتاكورب لب. سيتم تقديمك مع ما يلي إنشاء فارليست مع عامل متغير مربع الحوار: نشرت بإذن خطي من ستاتاكورب لب. إبقاء الخيار متغير عامل محدد في ناداشيب من فاريابلنداش المنطقة. في منطقة فرادابلنداش عامل نداشاد، حدد الخيار من داخل المربع المنسدل مواصفة:. سيتم تقديمك مع المربع المنسدل المتغير الثاني، كما هو موضح أدناه: تم نشره بإذن كتابي من ستاتاكورب لب. للمتغير 1. حدد الجنس ضمن المربع المنسدل المتغيرات وافتراضيا ضمن المربع المنسدل قاعدة. للمتغير 2. حدد إدوليفيل ضمن المربع المنسدل المتغيرات والإعداد الافتراضي ضمن المربع المنسدل قاعدة. بعد ذلك، انقر على الزر، الذي سيضيف المصطلح النموذجي، جينيردوليفيل. إلى فارليست: مربع. نشرت بإذن خطي من ستاتاكورب لب. ملاحظة: نحن لم تيكد خانة الاختيار، تحت c. لأي من المتغيرين المستقلين، الجنس أو إدوليفيل. ويرجع ذلك إلى أن افتراض 2 من أنوفا في اتجاهين هو أن كلا المتغيرين المستقلين هما متغيران متغيران (أي المتغيرات الفئوية) أي أن الجنس له فئتان (أي الذكور والإناث)، في حين أن إدوليفيل له ثلاث فئات (أي المدرسة والكلية والجامعة ). انقر على الزر. سيتم تقديمك مع أنوفا - تحليل التباين ومربع الحوار التباين، ولكن الآن مع مصطلح نموذجي، جيندروليفيل. بعد أن تمت إضافته في المربع النموذجي: كما هو موضح أدناه: تم نشره بإذن خطي من ستاتاكورب لب. انقر على الزر. سيؤدي هذا إلى توليد إخراج ستاتا في اتجاهين أنوفا، كما هو موضح في القسم التالي. خرج أنوفا ذي الاتجاهين في ستاتا إذا كانت بياناتك تمرير الافتراض 4 (أي أنه لم يكن هناك قيم متطرفة كبيرة)، الافتراض 5 (أي أن متغيرك التابع كان موزعة بشكل طبيعي تقريبا لكل مجموعة من المتغير المستقل) والافتراض 6 (أي كان هناك تجانس الفروق)، والتي شرحناها سابقا في قسم الافتراضات، سوف تحتاج فقط إلى تفسير الناتج ستاتا التالية أنوفا في اتجاهين: نشرت بإذن خطي من ستاتاكورب لب. جنس . إدوليفل و جيندروليفيل الصفوف في الإخراج أعلاه شرح ما إذا كان لدينا آثار ذات دلالة إحصائية لدينا اثنين من المتغيرات المستقلة، الجنس و إدوليفيل. وتفاعلهم، جيندروليفيل. ننظر أولا إلى التفاعل بين الجنسين لأن هذه هي أهم نتيجة نحن بعد. يمكننا أن نرى من العمود بروب غ F أن لدينا تفاعل ذو دلالة إحصائية عند مستوى p .0016. قد ترغب في الإبلاغ عن نتائج الجنس و إدوليفيل كذلك. يمكننا أن نرى من الناتج أعلاه أنه لم يكن هناك فرق ذو دلالة إحصائية في الاهتمام بالسياسة بين النوع الاجتماعي (p.4987)، ولكن كانت هناك فروق ذات دلالة إحصائية بين المستويات التعليمية (pt0005). وأخيرا، إذا كان لديك تفاعل ذو دلالة إحصائية، سوف تحتاج أيضا إلى الإبلاغ عن الآثار الرئيسية البسيطة التي هي، تأثير واحد من المتغيرات المستقلة على مستوى معين من المتغير المستقل الآخر. في مثالنا، سيشمل ذلك تحديد متوسط ​​الفرق في الاهتمام بالسياسة بين الجنسين في كل مستوى تعليمي، وكذلك بين المستوى التعليمي لكل نوع من الجنسين (على سبيل المثال ربما كان للإناث الحاصلات على تعليم جامعي اهتمام أكبر بالسياسة من الذكور مع الجامعة التعليم). بالتناوب، إذا لم يكن لديك تفاعل ذو دلالة إحصائية، يمكنك الإبلاغ عن التأثيرات الرئيسية بدلا من ذلك. ويمكن حساب كل من الآثار الرئيسية البسيطة والآثار الرئيسية باستخدام ستاتا. الإبلاغ عن نتائج أنوفا ثنائية الاتجاه عند الإبلاغ عن مخرجات أنوفا ثنائية الاتجاه، فمن الممارسة السليمة أن تشمل: أ. مقدمة للتحليل الذي قمت به. B. معلومات عن عينتك (بما في ذلك عدد المشاركين في كل مجموعة من مجموعاتك إذا كانت أحجام المجموعة غير متكافئة أو كانت هناك قيم مفقودة). جيم - بيان ما إذا كان هناك تفاعل ذو دلالة إحصائية بين المتغيرين المستقلين على المتغير التابع (بما في ذلك القيم F - القيمة F، ودرجات الحرية دف، ومستوى الدلالة، أو بشكل أكثر تحديدا، p-فالو 2 الذيل بروب غ F. D. إذا كان التفاعل ذو دلالة إحصائية، فقد بينت مجموعات من المتغيرين المستقلين فروق ذات دلالة إحصائية من حيث المتغير التابع، وهي التأثيرات البسيطة البسيطة (التي تشير إلى المجموعات التي كانت أو لم تكن ذات دلالة إحصائية (بما في ذلك p-فالويس ذات الصلة) استنادا إلى ستاتا الناتج أعلاه. يمكننا أن نبلغ نتائج هذه الدراسة على النحو التالي (ملحوظة قمنا أيضا بإدراج مثال على الآثار الرئيسية بسيطة): تم تشغيل أنوفا اتجاهين على عينة من 60 مشاركا لدراسة تأثير نوع الجنس ومستوى التعليم على الاهتمام بالسياسة، وكان هناك تفاعل كبير بين آثار نوع الجنس ومستوى التعليم على مصلحة في السياسة، F (2، 52) 7.33، ص. 0016. وقد أظهر تحليل اآلثار الرئيسية البسيطة أن الذكور كانوا أكثر اهتماما بالسياسة أكثر من اإلناث عندما تعلمن إلى مستوى الجامعة) ص .002 (، ولكن لم تكن هناك اختالفات بين الجنسين عند تعليمهن إلى المدرسة) ص .655 (أو مستوى الكلية) . أنوفا-أنوفا أنوفا باستخدام ستاتا المقدمة يتم استخدام تحليل التباين الأحادي الاتجاه (أنوفا) لتحديد ما إذا كان متوسط ​​المتغير التابع هو نفسه في مجموعتين مستقلتين أو أكثر غير ذات صلة. ومع ذلك، فإنه عادة ما تستخدم فقط عندما يكون لديك ثلاث أو أكثر من مجموعات مستقلة، لا علاقة لها، منذ عينات مستقلة اختبار t هو أكثر شيوعا عندما يكون لديك مجموعتين فقط. إذا كان لديك متغيران مستقلان، يمكنك استخدام أنوفا ثنائية الاتجاه. على سبيل المثال، يمكنك استخدام أنوفا في اتجاه واحد لتحديد ما إذا كان أداء الامتحان يختلف بناء على مستويات القلق من الاختبار بين الطلاب (أي المتغير التابع الخاص بك سيكون أداء الامتحان، ويقاس من 0-100، والمتغير المستقل الخاص بك سيكون اختبار مستويات القلق، والتي لديها ثلاث مجموعات: الطلاب الضغط المنخفض، الطلاب وشدد المتوسطة، والطلاب أكد بشدة). بدلا من ذلك، يمكن استخدام أنوفا في اتجاه واحد لفهم ما إذا كان هناك اختلاف في الراتب على أساس نوع درجة (أي متغير التابع الخاص بك سيكون راتب والمتغير المستقل الخاص بك سيكون نوع الدرجة، والتي لديها خمس مجموعات: الدراسات التجارية، وعلم النفس، والعلوم البيولوجية، والهندسة، والقانون). عندما يكون هناك فرق ذو دلالة إحصائية بين المجموعات، فمن الممكن تحديد أي مجموعات محددة كانت مختلفة بشكل كبير عن بعضها البعض باستخدام اختبارات بوست هوك. تحتاج إلى إجراء هذه الاختبارات ما بعد المخصصة لأن أنوفا في اتجاه واحد هو اختبار جامع ولا يمكن أن أقول لكم أي مجموعات محددة تختلف اختلافا كبيرا عن بعضها البعض فإنه يخبرك فقط أن مجموعتين على الأقل كانت مختلفة. هذا دليل البدء السريع يظهر لك كيفية تنفيذ أنوفا في اتجاه واحد مع اختبارات آخر المخصصة باستخدام ستاتا، وكذلك كيفية تفسير والإبلاغ عن نتائج من هذا الاختبار. ومع ذلك، قبل أن نقدم لكم لهذا الإجراء، تحتاج إلى فهم الافتراضات المختلفة التي يجب أن تلبي البيانات الخاصة بك من أجل أنوفا في اتجاه واحد لتعطيك نتيجة صالحة. نناقش هذه الافتراضات بعد ذلك. الافتراضات هناك ستة افتراضات تدعم أنوفا أحادي الاتجاه. إذا لم يتم استيفاء أي من هذه الافتراضات الستة، لا يمكنك تحليل بياناتك باستخدام أنوفا أحادية الاتجاه لأنك لن تحصل على نتيجة صالحة. وبما أن الافتراضات 1 و 2 و 3 تتعلق بتصميم الدراسة واختيار المتغيرات، فإنها لا يمكن اختبارها لاستخدام ستاتا. ومع ذلك، يجب عليك أن تقرر ما إذا كانت دراستك تلبي هذه الافتراضات قبل الانتقال. الافتراض 1: يجب قياس المتغير التابع الخاص بك على المستوى المستمر. ومن أمثلة هذه المتغيرات المستمرة الارتفاع (قياس بالأقدام والبوصة)، ودرجة الحرارة (المقاسة بالديغك)، والراتب (مقيس بالدولار الأمريكي)، ووقت المراجعة (مقيس بالساعات)، والذكاء (المقيس باستخدام درجة الذكاء)، ووقت التفاعل في الملي ثانية)، وأداء الاختبار (المقاسة من 0 إلى 100)، والمبيعات (مقاسة بعدد المعاملات في الشهر)، وهكذا دواليك. إذا لم تكن متأكدا مما إذا كان متغيرك التابع متواصلا (بمعنى أنه يتم قياسه على مستوى الفاصل الزمني أو مستوى النسبة)، فاطلع على أنواع من الدليل المتغير. إذا كان متغير التابع الخاص بك هو ترتيبي، قد تفكر في تشغيل اختبار كروسكال-واليس H بدلا من ذلك. الافتراض 2: يجب أن يتألف المتغير المستقل من فئتين أو أكثر. (غير ذات صلة). ومن الأمثلة على المتغيرات الفئوية نوع الجنس (على سبيل المثال مجموعتان: ذكور وإناث)، والعرق (مثل 3 مجموعات: القوقاز، والأمريكيون من أصل أفريقي، والإسبانيون)، ومستوى النشاط البدني (على سبيل المثال 4 مجموعات: المستقرة والمنخفضة والمعتدلة والعالية) على سبيل المثال 5 مجموعات: جراح، طبيب، ممرضة، طبيب أسنان، المعالج). الافتراض 3: يجب أن يكون لديك استقلالية الملاحظات. مما يعني أنه لا توجد علاقة بين الملاحظات في كل مجموعة أو بين المجموعات نفسها. على سبيل المثال، يجب أن يكون هناك مشاركون مختلفون في كل مجموعة مع عدم وجود مشارك في أكثر من مجموعة واحدة. إذا لم يكن لديك استقلالية من الملاحظات، فمن المحتمل أن يكون لديك مجموعات ذات الصلة، مما يعني أنك سوف تحتاج إلى استخدام في آن واحد التدابير المتكررة أنوفا بدلا من أنوفا في اتجاه واحد. لحسن الحظ، يمكنك التحقق من الافتراضات 4 و 5 و 6 باستخدام ستاتا. عند الانتقال إلى الافتراضات 4 و 5 و 6، نقترح اختبارها في هذا الترتيب لأنه يمثل أمرا حيث، إذا كان انتهاك الافتراض غير قابل للتصحيح، فلن تكون قادرا على استخدام أنوفا أحادي الاتجاه. في الواقع، لا تفاجأ إذا فشلت البيانات الخاصة بك واحد أو أكثر من هذه الافتراضات لأن هذا هو نموذجي إلى حد ما عند العمل مع البيانات في العالم الحقيقي بدلا من الأمثلة كتاب، والتي غالبا ما تظهر فقط لك كيفية تنفيذ أنوفا في اتجاه واحد عندما كل شيء سارت الامور بشكل جيد. ومع ذلك، لا داعي للقلق لأنه حتى عندما تفشل البيانات الخاصة بك بعض الافتراضات، غالبا ما يكون هناك حل للتغلب على هذا (على سبيل المثال تحويل البيانات الخاصة بك أو باستخدام اختبار إحصائي آخر بدلا من ذلك). تذكر فقط أنه إذا لم تتحقق من مطابقة البيانات لهذه الافتراضات أو اختبارها بشكل صحيح، فقد لا تكون النتائج التي تحصل عليها عند تشغيل أنوفا أحادية الاتجاه صالحة. الافتراض 4: لا ينبغي أن تكون هناك قيم متطرفة كبيرة. فالأسلوب الخارجي هو ببساطة حالة واحدة ضمن مجموعة البيانات الخاصة بك لا تتبع النمط المعتاد (على سبيل المثال في دراسة ل 100 طالب من درجات الذكاء، حيث كانت النتيجة المتوسطة 108 مع اختلاف بسيط بين الطلاب، وكان لدى طالب واحد درجة 156 ، وهو أمر غير عادي جدا، وربما حتى وضعها في أعلى 1 من درجات الذكاء على الصعيد العالمي). المشكلة مع القيم المتطرفة هي أنها يمكن أن يكون لها تأثير سلبي على أنوفا في اتجاه واحد، والحد من دقة النتائج الخاصة بك. لحسن الحظ، عند استخدام ستاتا لتشغيل أنوفا في اتجاه واحد على البيانات الخاصة بك، يمكنك بسهولة الكشف عن القيم المتطرفة المحتملة. الافتراض 5: يجب أن يكون متغيرك المعتاد موزعا بشكل طبيعي تقريبا لكل فئة من المتغير المستقل. يجب أن تكون البيانات الخاصة بك فقط طبيعية تقريبا لتشغيل أنوفا في اتجاه واحد لأنها قوية جدا لانتهاكات طبيعية، وهذا يعني أن هذا الافتراض يمكن أن تنتهك قليلا، ولا تزال توفر نتائج صالحة. يمكنك اختبار لحالة طبيعية باستخدام اختبار شابيرو ويلك من الحياة الطبيعية، والتي يتم اختبارها بسهولة لاستخدام ستاتا. الافتراض 6: هناك حاجة إلى تجانس الفروق. يمكنك اختبار هذا الافتراض في ستاتا باستخدام اختبار ليفينس لتجانس الفروق. اختبار ليفينس مهم جدا عندما يتعلق الأمر بتفسير النتائج من دليل أنوفا أحادية الاتجاه لأن ستاتا قادر على إنتاج مخرجات مختلفة اعتمادا على ما إذا كانت البيانات الخاصة بك تفي أو تفشل هذا الافتراض. ومن الناحية العملية، فإن التحقق من الافتراضات 4 و 5 و 6 ربما يستغرق معظم وقتك عند تنفيذ أنوفا أحادي الاتجاه. ومع ذلك، فإنه ليس مهمة صعبة، و ستاتا يوفر كل الأدوات التي تحتاج إلى القيام بذلك. في القسم، إجراء الاختبار في ستاتا. فإننا نوضح إجراء ستاتا المطلوب لتنفيذ أنوفا أحادي الاتجاه بافتراض عدم وجود افتراضات قد انتهكت. أولا، وضعنا المثال الذي نستخدمه لشرح إجراء أنوفا أحادي الاتجاه في ستاتا. تاجر التجزئة على الانترنت يريد الحصول على أفضل من الموظفين، فضلا عن تحسين تجربة عملهم. حاليا، لا يتم توفير الموظفين في مركز الوفاء تجار التجزئة مع أي نوع من وسائل الترفيه في حين أنها تعمل (على سبيل المثال الموسيقى الخلفية والتلفزيون، وما إلى ذلك). ومع ذلك، يريد بائع التجزئة معرفة ما إذا كان توفير الموسيقى، والتي طلب عدد قليل من الموظفين، من شأنها أن تؤدي إلى زيادة الإنتاجية، وإذا كان الأمر كذلك، من قبل كم. لذلك قام الباحث بتجنيد عينة عشوائية من 60 موظفا. تم تقسيم هذه العينة من 60 مشاركا عشوائيا إلى ثلاث مجموعات مستقلة مع 20 مشاركا في كل مجموعة: (أ) مجموعة تحكم لم تستمع للموسيقى (ب) مجموعة علاج استمعت إلى الموسيقى، ولكن لم يكن لديها خيار ما استمعوا إليه إلى (ج) مجموعة علاج ثانية استمعت إلى الموسيقى وكان لها خيار ما استمعوا إليه. استمرت التجربة لمدة شهر واحد. وفي نهاية التجربة، تم قياس إنتاجية المجموعات الثلاث من حيث متوسط ​​عدد الطرود المعالجة في الساعة. لذلك كان المتغير التابع هو الانتاجية (مقاسة من حيث متوسط ​​عدد الطرود المعالجة في الساعة خلال تجربة شهر واحد)، في حين كان المتغير المستقل هو نوع المعاملة، حيث كانت هناك ثلاث مجموعات مستقلة: لا موسيقى (مجموعة تحكم)، موسيقى - لا خيار (مجموعة العلاج A) والموسيقى - اختيار (مجموعة العلاج B). تم استخدام أنوفا أحادي الاتجاه لتحديد ما إذا كان هناك فرق ذو دلالة إحصائية في الإنتاجية بين المجموعات الثلاث المستقلة. ملاحظة: المثال والبيانات المستخدمة لهذا الدليل وهمية. لقد أنشأناها للتو لأغراض هذا الدليل. الإعداد في ستاتا في ستاتا، قمنا بفصل المجموعات الثلاث لتحليلها من خلال إنشاء المتغير المستقل. ودعا الموسيقى. وأعطت: (أ) قيمة 1 - لا موسيقى للمجموعة الضابطة (ب) قيمة 2 - الموسيقى - لا خيار لمجموعة العلاج الذين استمعوا إلى الموسيقى، ولكن لم يكن لديهم خيار ما استمعوا إليه و (ج) قيمة 3 - الموسيقى - اختيار لمجموعة العلاج الذين استمعوا إلى الموسيقى وكان اختيار ما استمعوا إليه، كما هو مبين أدناه: نشرت بإذن خطي من ستاتاكورب لب. الدرجات للمتغير المستقل، الموسيقى. ثم تم إدخالها في العمود الأيسر من جدول البيانات (تحرير) محرر البيانات، في حين أن القيم للمتغير التابع. إنتاجية. تم إدخالها في العمود الأيمن، كما هو موضح أدناه: تم نشرها بإذن كتابي من ستاتاكورب لب. إجراء الاختبار في ستاتا في هذا القسم، نعرض لك كيفية تحليل البيانات الخاصة بك باستخدام أنوفا في اتجاه واحد في ستاتا عندما الافتراضات الستة في القسم السابق، الافتراضات. لم تنتهك. يمكنك تنفيذ أنوفا في اتجاه واحد باستخدام رمز أو ستاتاس واجهة المستخدم الرسومية (غوي). بعد أن تقوم بتحليلك، نعرض لك كيفية تفسير نتائجك. أولا، اختر ما إذا كنت تريد استخدام رمز أو ستاتاس واجهة المستخدم الرسومية (غوي). في القسم الأول أدناه، وضعنا رمز لتنفيذ أنوفا في اتجاه واحد. وفي المقطع الثاني، الاختبار التالي الذي يتبع أنوفا أحادية الاتجاه. يتم إدخال كافة التعليمات البرمجية في مربع ستاتاس، كما هو موضح أدناه: نشرت بإذن خطي من ستاتاكورب لب. في اتجاه واحد أنوفا رمز لتشغيل أنوفا في اتجاه واحد على البيانات الخاصة بك يأخذ شكل: أونيواي ديبندنتفاريابل إنديبندنتفاريابل، تابولات باستخدام مثالنا حيث المتغير التابع هو الإنتاجية والمتغير المستقل هو الموسيقى. سوف تكون التعليمات البرمجية المطلوبة: أونيواي الإنتاجية الموسيقى، جدولة ملاحظة: يمكنك تشغيل الأمر أونيواي دون إضافة الأمر تابولات إلى نهاية التعليمات البرمجية، ولكن هذا يوفر إحصاءات وصفية مفيدة (أي المتوسط ​​والانحراف المعياري و N)، لذلك نحن اختر تضمينه. لذلك، أدخل رمز واضغط على زر ريتورننتر على لوحة المفاتيح. يمكنك أن ترى الإخراج ستاتا التي سيتم إنتاجها هنا. إذا كان هناك فرق ذو دلالة إحصائية بين المجموعات الخاصة بك، يمكنك بعد ذلك إجراء اختبارات ما بعد المخصصة باستخدام التعليمات البرمجية أدناه لتحديد أين توجد أي اختلافات. اختبار ما بعد الاختبار هناك العديد من أنواع الاختبار اللاحق الذي يمكنك استخدامه بعد أنوفا في اتجاه واحد (على سبيل المثال بونفيروني، سيداك، سشيف، توكي، الخ). نعرض لك رمز لتشغيل اختبار توكي آخر مخصص أدناه، والذي يأخذ شكل: بوميان ديبندنتفاريابل، أوفيريندنتفاريابل، مكومبار (توكي) الآثار باستخدام مثالنا حيث المتغير التابع هو الإنتاجية والمتغير المستقل هو الموسيقى. سيكون الرمز المطلوب: بوميان الإنتاجية، أوفيرموسيك، مكومبار (توكي) الآثار ملاحظة: تحتاج إلى تشغيل أنوفا في اتجاه واحد في ستاتا قبل أن تتمكن من إجراء اختبارات ما بعد مخصصة أو ستاتا سيتم عرض رسالة الخطأ التالية: لم يتم العثور على آخر التقديرات . لا يكفي أن يتم إعداد الملف بشكل صحيح مع المتغيرات التابعة والمستقلة ذات الصلة بشكل صحيح المسمى. ستاتا لا تحدد هذه لأغراض إجراء اختبارات ما بعد مخصصة حتى لديك أول تشغيل أنوفا في اتجاه واحد. لذلك، إذا تلقيت رسالة خطأ، سيكون لديك لتشغيل إجراء أنوفا أحادي الاتجاه مرة أخرى ثم أدخل رمز آخر المشاركة مرة أخرى. لذلك، أدخل رمز واضغط على زر ريتورننتر على لوحة المفاتيح. يمكنك أن ترى الإخراج ستاتا التي سيتم إنتاجها من الاختبار بعد آخر هنا والإجراءات الرئيسية أنوفا في اتجاه واحد هنا. واجهة المستخدم الرسومية (غوي) في القسم الأول أدناه، وضعنا الرمز لتنفيذ أنوفا أحادية الاتجاه. وفي المقطع الثاني، الاختبار التالي الذي يتبع أنوفا أحادية الاتجاه. في اتجاه واحد أنوفا حدد الاحصائيات غ نماذج الخطية وذات الصلة غ أنوفامانوفا غ اتجاه واحد أنوفا في القائمة العلوية، كما هو مبين أدناه. نشرت بإذن خطي من ستاتاكورب لب. سيتم تقديمك مع الطريق التالي - تحليل اتجاه واحد مربع الحوار التباين: نشرت بإذن خطي من ستاتاكورب لب. حدد المتغير التابع، برودكتيفيتي. من داخل متغير الاستجابة: مربع منسدل، والمتغير المستقل، موسيقى. في متغير عامل: المربع المنسدل. بعد ذلك، ضع علامة في مربع الجدول ملخص إنتاج في منطقة نداشتبوتنداش، كما هو مبين أدناه: نشرت مع إذن كتابي من ستاتاكورب لب. يمكنك أن ترى الإخراج ستاتا التي سيتم إنتاجها هنا. إذا كان هناك فرق إحصائي هام بين المجموعات الخاصة بك، يمكنك بعد ذلك إجراء اختبارات ما بعد المخصصة باستخدام الإجراء أدناه لتحديد أين تقع أي اختلافات. بوست هوك تيستس انقر فوق الاحصائيات غ ملخصات والجداول والاختبارات غ ملخص والإحصاءات الوصفية مقارنات بيرويز وسائل في القائمة العلوية، كما هو مبين أدناه. نشرت بإذن خطي من ستاتاكورب لب. سيتم تقديمك مع بوميان التالية - مقارنات بيرويز من مربع الحوار وسائل: نشرت بإذن خطي من ستاتاكورب لب. حدد المتغير التابع، برودكتيفيتي. من داخل المربع المتغير المنسدل: والمتغير المستقل، الموسيقى. من داخل المربع المنسدل أكثر:. بعد ذلك، حدد الاختبار اللاحق من داخل المربع المنسدل تعديل مقارنات متعددة، كما هو موضح أدناه: تم نشره بإذن كتابي من ستاتاكورب لب. ملاحظة: تحتاج إلى تشغيل أنوفا في اتجاه واحد في ستاتا قبل أن تتمكن من إجراء اختبارات بوست هوك أو ستاتا سوف تظهر رسالة خطأ. لا يكفي أن يتم إعداد الملف بشكل صحيح مع المتغيرات التابعة والمستقلة ذات الصلة بشكل صحيح المسمى. ستاتا لا تحدد هذه لأغراض إجراء اختبارات ما بعد مخصصة حتى لديك أول تشغيل أنوفا في اتجاه واحد. لذلك، إذا تلقيت رسالة خطأ، سيكون لديك لتشغيل إجراء أنوفا أحادية الاتجاه مرة أخرى ثم اتبع الإجراء آخر آخر للمرة الثانية. انقر على علامة التبويب المميزة في المستطيل الأحمر. سوف ينتهي بك المطاف مع شاشة مماثلة لتلك أدناه: نشرت مع إذن خطي من ستاتاكورب لب. احتفظ بفترة الثقة الافتراضية 95 من خلال عدم تغيير قيمة 95 في المربع المنسدل مستوى الثقة. بعد ذلك، حدد الخيار جداول التأثيرات، والتي ستفتح ثلاثة خيارات إضافية أدناه. وأخيرا، ضع علامة على الجدول إظهار الآثار مع فترات الثقة و p - القيم مربع، كما هو مبين أدناه: نشرت بإذن كتابي من ستاتاكورب لب. يمكنك أن ترى الإخراج ستاتا التي سيتم إنتاجها من الاختبار بعد آخر هنا والإجراءات الرئيسية أنوفا في اتجاه واحد هنا. خرج أنوفا في اتجاه واحد في ستاتا إذا مرت بياناتك الافتراض 4 (أي أنه لم تكن هناك قيم متطرفة كبيرة)، الافتراض 5 (أي أن متغيرك التابع كان موزعة بشكل طبيعي تقريبا لكل مجموعة من المتغير المستقل) والافتراض 6 (أي كان هناك تجانس الفروق)، والتي شرحناها سابقا في قسم الافتراضات، سوف تحتاج فقط لتفسير الناتج ستاتا التالية أنوفا في اتجاه واحد: الإحصاءات الوصفية الإخراج الوصفية، التي أبرزت في المستطيل الأحمر أدناه، يوفر بعض الإحصاءات الوصفية مفيدة جدا ، بما في ذلك المتوسط ​​والانحراف المعياري وأحجام العينات للمتغير التابع (الإنتاجية) لكل مجموعة من المتغير المستقل، الموسيقى (أي الموسيقى، الموسيقى - لا خيار والموسيقى - الاختيار)، وكذلك عندما يتم الجمع بين جميع المجموعات ( مجموع). هذه الأرقام مفيدة عندما تحتاج إلى وصف البيانات الخاصة بك. نشرت بإذن خطي من ستاتاكورب لب. نتائج أنوفا أحادي الاتجاه يظهر خرج ستاتا في أنوفا أحادي الاتجاه في المستطيل الأحمر أدناه، مما يشير إلى ما إذا كان لدينا فرق ذو دلالة إحصائية بين وسائل المجموعة الثلاث. يمكننا أن نرى أن مستوى الدلالة هو 0.0040 (p .004)، وهو أقل من 0.05. وبالتالي، هناك فرق ذو دلالة إحصائية في متوسط ​​الإنتاجية بين المجموعات الثلاث المختلفة للمتغير المستقل، الموسيقى (أي الموسيقى، الموسيقى - لا خيار والموسيقى - الاختيار). هذا أمر عظيم أن نعرف، ولكننا لا نعرف أي من المجموعات المحددة تختلف. لحسن الحظ، يمكننا أن نجد هذا في مقارنات بيرويز من الوسائل مع التباين المتساوي الانتاج الذي يحتوي على نتائج اختبارات ما بعد الخاصة بنا (انظر أدناه). نشرت بإذن خطي من ستاتاكورب لب. نتائج مقارنات زوجية لاختبار توكي بوست هوك من النتائج حتى الآن، ونحن نعلم أن واحدة على الأقل من مجموعة يعني يختلف عن المجموعة الأخرى يعني. بعد ذلك، يمكننا استخدام الناتج ستاتا أدناه، بعنوان مقارنات بيرويز من الوسائل مع الفروق المتساوية. لتحديد المجموعات التي اختلفت عن بعضها البعض. Looking at the p - value (i. e. the Pgtt row under the Tukey column), we can see that there is a statistically significant difference in productivity between the Music - Choice group who listened to music (and had a choice over what music they listened to) and the No music control group who did not listen to music ( p 0.003). However, there were no differences between the Music - No choice group who listened to music (but had no choice over what music they listened to) and the No music control group ( p 0.467), or between the Music - Choice group and Music - No choice group ( p 0.072). Published with written permission from StataCorp LP. In the section that follows, we show you how you could report these results. Note: We present the output from the one-way ANOVA above. However, since you should have tested your data for the assumptions we explained earlier in the Assumptions section, you will also need to interpret the Stata output that was produced when you tested for them. This includes: (a) the boxplots you used to check if there were any significant outliers (b) the output Stata produces for your Shapiro-Wilk test of normality to determine normality and (c) the output Stata produces for Levenes test for homogeneity of variances. Also, remember that if your data failed any of these assumptions, the output that you get from the one-way ANOVA procedure (i. e. the output we discuss above) will no longer be relevant, and you will need to interpret the Stata output that is produced when they fail (i. e. this includes different results). Reporting the Output of the One-Way ANOVA When you report the output of your one-way ANOVA, it is good practice to include: A. An introduction to the analysis you carried out. B. Information about your sample (including how many participants were in each of your groups if the group sizes were unequal or there were missing values). C. A statement of whether there were statistically significant differences between your groups (including the observed F - value F , degrees of freedom df , and significance level, or more specifically, the 2-tailed p - value Prob gt F . D. If there was a statistically significant difference between the groups, the results from the Tukey post hoc test, including the mean ( Contrast ) and standard error ( Std. Err. ) for each of your groups, as well as the relevant 2-tailed p - value Prob gt t . Based on the Stata output above. we could report the results of this study as follows: A one-way ANOVA was conducted to determine if productivity in a packing facility was different for groups with different physical activity levels. Data is mean standard error. Participants were classified into three groups: No music ( n 20), Music - No choice ( n 20) and Music - Choice ( n 20). There was a statistically significant difference between groups as determined by one-way ANOVA ( F (2,57) 6.08, p .004). A Tukey post-hoc test revealed that productivity was statistically significantly higher in the Music - Choice group compared to the No music control group (8.55 2.49 packages, p .003). However, there were no statistically significant differences between the Music - No choice and No music groups (2.95 2.49 packages, p .467), or the Music - Choice and Music - No choice groups (5.6 2.49 packages, p .072). In addition to the reporting the results as above, a diagram can be used to visually present your results. For example, you could do this using a bar chart with error bars (e. g. where the errors bars could be the standard deviation, standard error or 95 confidence intervals). This can make it easier for others to understand your results. Furthermore, you are increasingly expected to report effect sizes in addition to your one-way ANOVA results. Effect sizes are important because whilst the one-way ANOVA tells you whether differences between group means are real (i. e. different in the population), it does not tell you the size of the difference. Whilst Stata will not produce these effect sizes for you using this procedure, there is a procedure in Stata to do so.