Varians Analizində F Testi
Pendahuluan
Statistik tədqiqatlarda əsas məqsədlərdən biri məlumat qrupları arasında əhəmiyyətli fərqlərin olub-olmadığını anlamaqdır. F-testi, xüsusən də Varians Analizi (ANOVA) kontekstində bu məqsəd üçün istifadə edilən metodlardan biridir. Bu test eksperimental məlumatların təhlilində vacibdir, çünki tədqiqatçılara müəyyən statistik fərziyyələrə cavab verdikləri təqdirdə eksperimental nəticələrin etibarlılığını qiymətləndirməyə imkan verir. Bu məqalədə biz varians təhlilində F-testinin konsepsiyasını, tətbiqini, fərziyyələrini və təfsirini araşdıracağıq.
F Testinin Əsas Konsepsiyası
F-testi, dəyərləri dispersiya təhlilində tez-tez istifadə olunan davamlı ehtimal paylanması olan F-paylanışını izlədiyinə görə belə adlandırılıb. F-paylanışı qruplararası dəyişkənliyi qrupdaxili dəyişkənliklə müqayisə etmək üçün istifadə olunur ki, bu da qrup orta qiymətləri arasında əhəmiyyətli bir fərqin olub olmadığını müəyyən etməyə kömək edir.
F testindəki vacib komponentlər bunlardır:
1. Qrupdaxili dəyişkənlik (Qruplar daxilində dəyişkənlik): Hər qrup daxilində məlumatların dəyişməsini ölçür.
2. Qruplararası dəyişkənlik (Qruplar arasında dəyişkənlik): Qruplar arasındakı orta dəyişkənliyi ölçür.
Qruplar arasındakı dəyişkənlik qruplar daxilindəki dəyişkənlikdən daha böyükdürsə, qruplar arasında real fərq olması ehtimalı var.
ANOVA-da F Testinin Tətbiqi
ANOVA, ikidən çox qrupun orta qiymətlərini müqayisə etmək üçün istifadə edilən statistik bir texnikadır. Birtərəfli ANOVA, ikitərəfli ANOVA və digər variantlar da daxil olmaqla müxtəlif növ ANOVA mövcuddur. Aralarındakı əsas fərq öyrənilən amillərin təbiətindən və sayından asılıdır. Bu məqalədə F-testinin tətbiqini göstərmək üçün sadə bir nümunə olaraq birtərəfli ANOVA-ya diqqət yetirəcəyik.
Birtərəfli ANOVA ilə təhlil addımları
1. Hipotezin Formülasiyası:
– Sıfır hipotezi ($H_0$): Bütün populyasiya mənalarının eyni olduğunu bildirir (qruplar arasında heç bir fərq yoxdur).
– Alternativ fərziyyə ($H_1$): Ən azı bir fərqli populyasiya ortalaması olduğunu bildirir.
2. F statistikasını hesablayın:
– Kvadratlar Cəmi (KC):
\[
SST = \sum_{i=1}^{N}(X_i – \bar{X})^2
\]
Məlumatlardakı ümumi dəyişkənliyi ölçür.
– Qruplararası Kvadratlar Cəmi (SSB):
\[
SSB = \sum_{j=1}^{k} n_j (\bar{X_j} – \bar{X})^2
\]
Qruplar arasındakı dəyişkənliyi ölçür.
– Qrupdaxili Kvadratlar Cəmi (QKC):
\[
SSW = \sum_{j=1}^{k} \sum_{i=1}^{n_j} (X_{ij} – \bar{X_j})^2
\]
Hər qrup daxilində dəyişkənliyi ölçür.
– F statistikasını hesablayın:
\[
F = \frac{\text{MSB}}{\text{MSW}} = \frac{\text{SSB}/(k-1)}{\text{SSW}/(Nk)}
\]
Burada MSB qruplar arasında orta kvadrat, MSW isə qruplar daxilində orta kvadratdır.
3. Əhəmiyyət Dəyəri:
F dəyərini hesabladıqdan sonra, bu dəyəri əhəmiyyətlilik səviyyəsinə (\(\alfa\)) və sərbəstlik dərəcələrinə əsasən F paylanmasının kritik dəyəri ilə müqayisə edirik. Hesablanmış F dəyəri kritik dəyərdən böyükdürsə, sıfır hipotezini rədd edirik.
F-Test Fərziyyələri
F-testinin tətbiqinin bir neçə əsas fərziyyəyə əsaslandığını xatırlamaq vacibdir. Bu fərziyyələr yerinə yetirilmədikdə, F-test nəticələri etibarsız ola bilər. Bu fərziyyələrə aşağıdakılar daxildir:
1. Müstəqillik:
Hər qrupdakı müşahidələr bir-birindən asılı olmayaraq aparılmalıdır.
2. Normallıq:
Hər qrupdakı məlumatlar normal paylanmaya uyğun olmalıdır. Normallıq fərziyyələri Şapiro-Wilk testi kimi normallıq testləri və ya QQ qrafiklərindən istifadə edərək qrafik olaraq yoxlanıla bilər.
3. Variasiyanın homojenliyi:
Hər qrup daxilindəki dispersiyalar bərabər olmalıdır. Bu fərziyyə Levene testi və ya Bartlett testi ilə yoxlanıla bilər.
Əgər normallıq və ya dispersiyanın homogenliyi fərziyyələri yerinə yetirilmirsə, yerinə yetirilə bilən çevrilmələr (məsələn, loqarifmlər və ya kvadrat köklər) və ya bu fərziyyələri tələb etməyən Kruskal-Wallis H testi kimi alternativ qeyri-parametrik testlər mövcuddur.
Nəticələrin Şərhi
ANOVA aparıldıqdan və F-dəyəri və p-dəyəri əldə edildikdən sonra növbəti addım nəticələri şərh etməkdir. Bəzi mümkün şərhlər:
1. Əgər p-dəyəri < \(\alpha\) olarsa: Sıfır hipotezi rədd edilir və bu, qrup orta qiymətləri arasında əhəmiyyətli bir fərq olduğunu göstərir. 2. Əgər p-dəyəri > \(\alpha\) olarsa: Sıfır hipotezini rədd etmək üçün kifayət qədər dəlil yoxdur və bu, qrup orta qiymətləri arasında əhəmiyyətli bir fərq olmadığını göstərir.
Sıfır hipotezi rədd edilsə belə, ANOVA hansı qrupların fərqləndiyini göstərmir. Bunun üçün Tukey'nin HSD (Dürüstcə Əhəmiyyətli Fərq), Bonferroni korreksiyası və ya Sidak testi kimi post-hoc testləri tələb olunur ki, bu da hansı qrupların əhəmiyyətli dərəcədə fərqləndiyini müəyyən etməyə kömək edə bilər.
Nümunə hal
Aşağıdakı sadə nümunəni nəzərdən keçirək:
Tədqiqatçı üç növ gübrənin bitki böyüməsinə təsirində əhəmiyyətli bir fərqin olub olmadığını müəyyən etmək istəyir. Tədqiqatçı A, B və C gübrələrindən istifadə edən üç bitki qrupu üçün bir aydan sonra bitkinin hündürlüyünü (sm ilə) ölçür.
Hipotetik Məlumatlar:
| Gübrə A | Gübrə B | Gübrə C |
|———|———|———|
| 20 | 18 | 22 |
| 21 | 17 | 23 |
| 19 | 16 | 24 |
Təhlil Addımları:
1. Hipotezin Formülasiyası:
– $H_0$: Bütün gübrələr üçün orta bitki hündürlüyü eynidir.
– $H_1$: Ən azı bir orta bitki hündürlüyü fərqlidir.
2. F statistikasını hesablayın:
– SST, SSB və SSW hesablayın və F hesablamasına davam edin.
3. Əhəmiyyət Dəyəri ilə Müqayisə Edin:
– F paylanma cədvəli və sərbəstlik dərəcələrindən istifadə edərək, hesablanmış F dəyərinin əhəmiyyətli olub olmadığını müəyyən edirik.
Nəticə:
Əgər F dəyəri əhəmiyyətli bir fərq olduğunu göstərirsə, tədqiqatçı hansı qrupların fərqləndiyini müəyyən etmək üçün post-hoc testlərinə davam edə bilər.
Nəticə
Dispersiya analizində F-testi qruplar arasında əhəmiyyətli fərqlərin olub-olmadığını müəyyən etmək üçün çox faydalı bir vasitədir. Statistik fərziyyələrə cavab verməklə, bu test təhlil edilən məlumatlara güclü bir fikir verə bilər. Praktik tətbiqlərdə bu test biologiya, sosial elmlər, iqtisadiyyat və s. kimi müxtəlif tədqiqat sahələrində çox faydalıdır. F-testindən nə vaxt və necə istifadə edəcəyini bilmək, eləcə də onun fərziyyələrini və şərhlərini anlamaq statistik təhlilin keyfiyyətini artıracaq və məlumatlara əsaslanan qərar qəbuletmə üçün möhkəm bir təməl yaradacaq.
