Manova - उदाहरण में stata - विदेशी मुद्रा

सूचना: आईडीआरई सांख्यिकी परामर्श समूह वेबसाइट को वर्डप्रेस सीएमएस में फरवरी में माइग्रेट कर देगा ताकि नई सामग्री के रख-रखाव और सृजन की सुविधा मिल सके। हमारे कुछ पुराने पृष्ठों को हटा दिया जाएगा या संग्रहीत किया जाएगा ताकि उन्हें अब बनाए रखा नहीं जाएगा हम रीडायरेक्ट बनाए रखने का प्रयास करेंगे ताकि पुरानी यूआरएल हम जितनी अच्छी तरह काम कर सकें उतना काम जारी रहेगा। डिजिटल रिसर्च और एजुकेशन फॉर डिजिटल रिसर्च एंड एजुकेशन में आपका स्वागत है स्टेट कंसल्टेंसी ग्रुप को उपहार देने के लिए एक उपहार देने के लिए स्टेटा एनोटेटेड आउटपुट MANOVA यह पेज स्टेट में मल्टीविरिएट विश्लेषण का एक उदाहरण दिखाता है जिसमें आउटपुट समझा जाने वाले फुटनोट हैं। इस उदाहरण में उपयोग किए गए डेटा निम्न प्रयोग से हैं एक शोधकर्ता बेतरतीब ढंग से तीन विषयों में से एक के लिए 33 विषयों को निर्दिष्ट करता है। पहला समूह तकनीकी आहार संबंधी जानकारी ऑन-लाइन वेबसाइट से इंटरैक्टिव रूप से प्राप्त करता है समूह 2 को एक नर्स व्यवसायी से एक ही जानकारी प्राप्त होती है, जबकि समूह 3 उसी नर्स व्यवसायी द्वारा की गई वीडियो टेप से जानकारी प्राप्त करता है। प्रत्येक विषय ने तीन रेटिंगएं की: प्रस्तुति में जानकारी की कठिनाई, उपयोगिता और महत्व। प्रस्तुति के तरीकों में कोई अंतर है या नहीं यह निर्धारित करने के लिए शोधकर्ता प्रस्तुति (कठिनाई, उपयोगिता और महत्व) के तीन अलग-अलग मूल्यांकनों को देखता है। विशेष रूप से, शोधकर्ता इस बात में रूचि रखता है कि क्या इंटरैक्टिव वेबसाइट बेहतर है क्योंकि यह जानकारी देने का सबसे अधिक लागत प्रभावी तरीका है। डेटासेट में, रेटिंग उपयोगी में चर में प्रस्तुत की जाती हैं। कठिनाई और महत्व चर समूह समूह को इंगित करता है जिसमें विषय सौंपा गया था। हमें रुचि है कि कैसे तीन रेटिंग में परिवर्तनशीलता एक विषय समूह द्वारा समझाया जा सकता है। समूह तीन संभावित मूल्यों के साथ एक निर्बाध चर है: 1, 2 या 3। क्योंकि हमारे पास कई निर्भर चर हैं जिन्हें एकत्र नहीं किया जा सकता है, हम MANOVA का उपयोग करना चुनेंगे। इस विश्लेषण में हमारी परिकल्पना है कि एक विषय समूह का तीन अलग-अलग रेटिंग्स पर कोई प्रभाव नहीं है। हम तीन परिणाम चर की जांच कर शुरू कर सकते हैं। ध्यान दें कि स्टेटा लेबल ग्रुप 1 को उपचार समूह के रूप में, समूह 2 को नियंत्रण 1 के रूप में। और समूह 3 को नियंत्रण 2 के रूप में। इसके बाद, हम अपने MANOVA आदेश को दर्ज कर सकते हैं। जैसा कि हम अपने परिणामों को देखते हैं, हम मॉडल के समन वर्ग मैट्रिक्स के eigenvalues ​​और त्रुटि के वर्ग के वर्ग मैट्रिक्स का उल्लेख करना चाहेंगे। ये मान MANOVA आउटपुट को समझने में जानकारीपूर्ण होंगे। मूल्यों को प्रदर्शित करने के लिए, हम मॉडल से मॉडल के eigenvalues ​​के मैट्रिक्स को सूचीबद्ध करने के लिए Stata से पूछते हैं। EEGENvalues ​​एक MANOVA आउटपुट बी एक ईगेनवल्यूज़ - ये मॉडल के वर्ग-वर्ग के मैट्रिक्स और त्रुटि के वर्ग-मैट्रिक्स के योग के उत्पाद का आयगेंवल है। वर्ग मैट्रिक्स के मॉडल योग के उत्पाद के तीन eigenvectors में से प्रत्येक के लिए एक eigenvalue और वर्ग मैट्रिक्स की त्रुटि राशि, एक 3x3 मैट्रिक्स है। क्योंकि यहां केवल दो सूचीबद्ध हैं, हम मान सकते हैं कि तीसरा eigenvalue शून्य है। इन eigenvalues ​​Stata में हमारे manova के सहेजी परिणाम में से हैं। वे मल्टीवीएट टेस्ट आँकड़ों की गणना में उपयोग किया जाता है और इसलिए मानोवा आउटपुट को देखते हुए विचार करना उपयोगी होता है। ख। MANOVA आउटपुट - स्टेटा में, मैनोवा आउटपुट में प्रत्येक प्रिक्टरर चर के लिए चार मल्टीवीरेट टेस्ट आँकड़े शामिल हैं। चार परीक्षण आउटपुट तालिका से ऊपर सूचीबद्ध हैं चार परीक्षण आंकड़ों में से प्रत्येक के लिए, एक एफ आंकड़ा और संबंधित पी-मान भी प्रदर्शित होते हैं। सी। विल्क्स लैम्ब्डा - यह उन परिणामों में भिन्नता के अनुपात के रूप में समझा जा सकता है जो किसी प्रभाव से समझाया नहीं गया है। विल्क्स लैम्ब्डा की गणना करने के लिए, प्रत्येक eigenvalue के लिए, 1 (1 eigenvalue) की गणना, फिर इन अनुपातों का उत्पाद ढूंढें। तो इस उदाहरण में, आप पहले 1 (10.8 9 1 9 8 9) 0.5285446, 1 (10.00524207) 0.9 9 47853 और 1 (10) 1 की गणना करेंगे। फिर 0.5285446 0.9 9 47853 1 0.5258 गुणा करें। घ। पिलाइज़ ट्रेस - यह एक और बहुभिन्नरूपी परीक्षण आंकड़ा है। पिलाइस ट्रेस की गणना करने के लिए, प्रत्येक ईगेंवल्यू को 1 जड़ से विभाजित करें, फिर इन अनुपातों का योग करें। तो इस उदाहरण में, आप पहले 0.8919879 (10.8919879) 0.471455394, 0.00524207 (10.00524207) 0.005214734 और 0 (10) 0 की गणना करेंगे। जब यह जोड़ा जाता है तो हम पिलाइस ट्रेस पर पहुंचते हैं: (0.471455394 0.005214734 0) 0.4767। ई। लॉली-होटेलिंग ट्रेस - यह पिल्लास ट्रेस के समान है। यह मॉडल के सम-वर्ग मैट्रिक्स और दो रैखिक प्रतिगमन कार्यों के लिए त्रुटि के योग के वर्ग मैट्रिक्स के उत्पाद की जड़ों का योग है और एनोवा में एफ आंकड़े के प्रत्यक्ष सामान्यीकरण है। हम उत्पादन में सूचीबद्ध विशिष्ट जड़ों का संक्षेप करके होटेलिंग लॉले ट्रेस की गणना कर सकते हैं: 0.8 9 1 9 879 0.00524207 0 0.8 9 72। च। रॉयस का सबसे बड़ा जड़ - यह मॉडल के वर्ग-वर्ग के मैट्रिक्स और दो रेखीय प्रतिगमन कार्यों के लिए त्रुटि के योग के मैट्रिक्स के उत्पाद की जड़ों में से सबसे बड़ी है। क्योंकि यह अधिकतम है, यह अन्य तीन परीक्षण आँकड़ों से भिन्न व्यवहार कर सकता है। उन उदाहरणों में जहां अन्य तीन महत्वपूर्ण नहीं हैं और रॉय महत्वपूर्ण हैं, प्रभाव को महत्वहीन माना जाना चाहिए। जी। स्रोत - यह सवाल में भविष्यवक्ता चर को इंगित करता है हमारे मॉडल में, हम समूह को रेटिंग्स में परिवर्तनशीलता के स्रोत के रूप में देख रहे हैं। एच। आंकड़ा - यह पूर्व स्तंभ में सूचीबद्ध दिए गए स्रोत के लिए परीक्षण आंकड़े और पत्र (डब्ल्यू, पी, एल या आर) के साथ दिये गए मल्टीवीरेट आंकड़े हैं। प्रत्येक स्वतंत्र चर के लिए, चार बहुभिन्नरूपी टेस्ट आँकड़ों की गणना की जाती है। सुपरस्क्रिप्ट्स सी, डी, ई और एफ देखें मैं। df - यह स्वतंत्रता की संख्या डिग्री है यहां, हमारे भविष्यवक्ता के तीन श्रेणियां हैं और हमारे डेटासेट में 33 टिप्पणियां हैं, इसलिए हमारे पास परिकल्पना, स्वतंत्रता की 30 अवशिष्ट डिग्री, और 32 स्वतंत्रता की कुल डिग्री के लिए स्वतंत्रता की 2 डिग्री है। ञ। एफ (डीएफ 1, डीएफ 2), एफ - पहले दो स्तंभ (डीएफ 1 और डीएफ 2) एफ आंकड़ों को निर्धारित करने में इस्तेमाल की गई स्वतंत्रता की डिग्री की सूची। तीसरे कॉलम में दिए गए स्रोत और बहुभिन्नरूपी परीक्षण के लिए एफ आंकड़े सूचीबद्ध हैं। कश्मीर। Prob gt F - यह पी-मान है जो किसी दिए गए प्रभाव और परीक्षण आंकड़ों के एफ आंकड़े से जुड़ा है। रिक्त परिकल्पना जो किसी दिए गए भविष्यवक्ता के परिणामों में से किसी पर कोई प्रभाव नहीं पड़ता है, इस पी-मूल्य के संबंध में मूल्यांकन किया जाता है किसी दिए गए अल्फा स्तर के लिए, यदि पी-मान अल्फा से कम है, तो शून्य अवधारणा को अस्वीकार कर दिया गया है। यदि नहीं, तो हम शून्य परिकल्पना को अस्वीकार करने में असफल होते हैं। इस उदाहरण में, हम अशक्त अभिकल्पना को अस्वीकार करते हैं कि ग्रुप का अल्फा स्तर .05 पर तीन अलग-अलग रेटिंग्स पर कोई प्रभाव नहीं पड़ता क्योंकि पी-वैल्यू .05 से कम है। एल। ई सटीक, एक अनुमानित, ऊपरी बाध्य है एफ - यह इंगित करता है कि मल्टीवीरेट परीक्षणों के लिए एफ आंकड़े की गणना कैसे की गई (चाहे वह सटीक गणना, एक अनुमान या ऊपरी सीमा थी)। इस वेब साइट की सामग्री को कैलिफ़ोर्निया विश्वविद्यालय द्वारा किसी विशेष वेब साइट, किताब या सॉफ़्टवेयर उत्पाद के समर्थन के रूप में नहीं समझा जाना चाहिए। स्टैट परिचय का उपयोग करके एक-तरफा एनोवा का उपयोग विचरण का एक-तरफ़ा विश्लेषण (एनोवा) करने के लिए किया जाता है निर्धारित करें कि निर्भर चर का मतलब दो या अधिक असंबंधित, स्वतंत्र समूहों में समान है या नहीं। 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, आप एक-तरफा एनोवा 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-तरफा 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 तरह से एनोवा चलाने के लिए स्टेटा का उपयोग कर रहे हैं, तो आप आसानी से संभावित आउटलेटर्स 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 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 प्रदान करने के लिए कुछ कर्मचारियों द्वारा अनुरोध किया गया है, जो कि उत्पादकता को अधिक बढ़ावा देगा, 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 किया गया था: (ए) एक नियंत्रण समूह, जो संगीत (बी) को सुनने वाला नहीं था, जो एक ऐसे इलाज समूह का था जो संगीत को सुनता था, लेकिन उनके सुनने का कोई विकल्प नहीं था 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 - उपचार समूह के लिए कोई विकल्प नहीं, जिन्होंने संगीत की बात सुनी, लेकिन उनके पास क्या पसंद था (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 धारणाओं का अनुमान लगाया गया था। 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 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, टैब्लेट नोट: आप कोड के अंत में टैबलेट कमांड को जोड़ते ही बिना वही 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, मैकपरेर (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 निम्नलिखित 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 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 असफल हो जाते हैं (यानी इसमें अलग-अलग परिणाम शामिल होते 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 (स्टर्ड एरर) सहित टुके पोस्ट हॉक टेस्ट के परिणाम, साथ ही संबंधित 2-पूंछ पी - मान 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 विश्वास 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।