Prawf F mewn Dadansoddiad Amrywiant
Rhagymadrodd
Mewn ymchwil ystadegol, un o'r prif nodau yw deall a oes gwahaniaethau sylweddol rhwng grwpiau o ddata. Mae'r prawf-F yn un dull a ddefnyddir at y diben hwn, yn enwedig yng nghyd-destun Dadansoddi Amrywiant (ANOVA). Mae'r prawf hwn yn hanfodol mewn dadansoddi data arbrofol, gan ei fod yn caniatáu i ymchwilwyr asesu dibynadwyedd canlyniadau arbrofol ar yr amod eu bod yn bodloni rhai rhagdybiaethau ystadegol. Yn yr erthygl hon, byddwn yn archwilio'r cysyniad, y cymhwysiad, y rhagdybiaethau a'r dehongliad o'r prawf-F mewn dadansoddi amrywiant.
Cysyniad Sylfaenol Prawf F
Mae'r prawf-F wedi'i enwi felly oherwydd bod ei werthoedd yn dilyn y dosraniad-F, sef dosraniad tebygolrwydd parhaus a ddefnyddir yn aml wrth ddadansoddi amrywiant. Defnyddir y dosraniad-F i gymharu amrywioldeb rhwng grwpiau ag amrywioldeb o fewn grwpiau, sy'n helpu i benderfynu a oes gwahaniaeth sylweddol rhwng cymedrau grwpiau.
Y cydrannau pwysig yn y prawf F yw:
1. Amrywioldeb o fewn grŵp (Amrywioldeb o fewn grwpiau): Yn mesur amrywiad y data o fewn pob grŵp.
2. Amrywioldeb rhwng grwpiau (Amrywioldeb rhwng grwpiau): Yn mesur yr amrywiad cyfartalog rhwng grwpiau.
Os yw'r amrywioldeb rhwng grwpiau yn llawer mwy na'r amrywioldeb o fewn grwpiau, mae'n debygol bod gwahaniaeth gwirioneddol rhwng y grwpiau.
Cymhwyso Prawf F mewn ANOVA
Mae ANOVA yn dechneg ystadegol a ddefnyddir i gymharu cymedrau mwy na dau grŵp. Mae gwahanol fathau o ANOVA, gan gynnwys ANOVA unffordd, ANOVA dwyffordd, ac amrywiadau eraill. Mae'r prif wahaniaeth rhyngddynt yn dibynnu ar natur a nifer y ffactorau a astudiwyd. Yn yr erthygl hon, byddwn yn canolbwyntio ar ANOVA unffordd fel enghraifft syml i ddangos cymhwysiad y prawf-F.
Camau Dadansoddi gydag ANOVA Unffordd
1. Ffurflunio Damcaniaeth:
– Rhagdybiaeth nwl ($H_0$): Yn nodi bod pob cymedr poblogaeth yr un peth (nid oes gwahaniaeth rhwng grwpiau).
– Damcaniaeth amgen ($H_1$): Yn nodi bod o leiaf un cymedr poblogaeth gwahanol.
2. Cyfrifwch yr ystadegyn F:
– Cyfanswm Swm y Sgwariau (SST):
\[
SST = \sum_{i=1}^{N}(X_i – \bar{X})^2
\]
Mae'n mesur yr amrywioldeb cyfan yn y data.
– Swm Sgwariau Rhwng Grwpiau (SSB):
\[
SSB = \sum_{j=1}^{k} n_j (\bar{X_j} – \bar{X})^2
\]
Mae'n mesur yr amrywioldeb rhwng grwpiau.
– Swm y Sgwariau o fewn y grŵp (SSW):
\[
SSW = \sum_{j=1}^{k} \sum_{i=1}^{n_j} (X_{ij} – \bar{X_j})^2
\]
Mae'n mesur yr amrywioldeb o fewn pob grŵp.
– Cyfrifwch yr ystadegyn F:
\[
F = \frac{\text{MSB}}{\text{MSW}} = \frac{\text{SSB}/(k-1)}{\text{SSW}/(Nk)}
\]
Lle mae MSB yn Sgwâr Cymedrig rhwng grwpiau ac MSW yn Sgwâr Cymedrig o fewn grwpiau.
3. Gwerth Arwyddocâd:
Ar ôl cyfrifo'r gwerth-F, rydym yn cymharu'r gwerth hwn â gwerth critigol y dosraniad-F yn seiliedig ar y lefel arwyddocâd (\(\alpha\)) a graddau rhyddid. Os yw'r gwerth-F a gyfrifwyd yn fwy na'r gwerth critigol, rydym yn gwrthod y rhagdybiaeth nwl.
Rhagdybiaethau Prawf-F
Mae'n bwysig cofio bod cymhwyso'r prawf-F yn dibynnu ar sawl rhagdybiaeth sylfaenol. Os na chyflawnir y rhagdybiaethau hyn, gall canlyniadau'r prawf-F fod yn annilys. Mae'r rhagdybiaethau hyn yn cynnwys:
1. Annibyniaeth:
Rhaid i arsylwadau ym mhob grŵp fod yn annibynnol ar ei gilydd.
2. Normalrwydd:
Dylai data ym mhob grŵp ddilyn dosraniad normal. Gellir profi rhagdybiaethau normalrwydd gan ddefnyddio profion normalrwydd fel prawf Shapiro-Wilk, neu'n graffigol gan ddefnyddio plotiau QQ.
3. Homogenedd amrywiant:
Rhaid i'r amrywiannau o fewn pob grŵp fod yn gyfartal. Gellir profi'r dybiaeth hon gan ddefnyddio prawf Levene neu brawf Bartlett.
Os na chyflawnir y rhagdybiaethau o normalrwydd neu homogenedd amrywiant, mae trawsffurfiadau y gellir eu perfformio (megis logarithmau neu wreiddiau sgwâr) neu brofion anbarametrig amgen fel prawf H Kruskal-Wallis nad oes angen y rhagdybiaethau hyn arnynt.
Dehongli'r Canlyniadau
Ar ôl cynnal ANOVA a chael y gwerth-F a'r gwerth-p, y cam nesaf yw dehongli'r canlyniadau. Dyma rai dehongliadau posibl:
1. Os yw gwerth-p < \(\alpha\): Gwrthodir y rhagdybiaeth nwl, sy'n dangos bod gwahaniaeth arwyddocaol rhwng cymedrau'r grŵp. 2. Os yw gwerth-p > \(\alpha\): Nid oes digon o dystiolaeth i wrthod y rhagdybiaeth nwl, sy'n dangos nad oes gwahaniaeth arwyddocaol rhwng cymedrau'r grŵp.
Hyd yn oed os gwrthodir y rhagdybiaeth nwl, nid yw ANOVA yn dangos pa grwpiau sy'n wahanol. Mae hyn yn gofyn am brofion ôl-hoc fel HSD Tukey (Gwahaniaeth Arwyddocaol Gonest), cywiriad Bonferroni, neu brawf Sidak, a all helpu i nodi pa grwpiau sy'n wahanol yn sylweddol.
Achos enghreifftiol
Gadewch i ni ystyried yr enghraifft syml ganlynol:
Mae ymchwilydd eisiau pennu a oes gwahaniaeth sylweddol yn effeithiolrwydd tri math o wrtaith ar dwf planhigion. Mae'r ymchwilydd yn mesur uchder planhigion (mewn cm) ar ôl un mis ar gyfer tri grŵp o blanhigion gan ddefnyddio gwrteithiau A, B, a C.
Data Damcaniaethol:
| Gwrtaith A | Gwrtaith B | Gwrtaith C |
|————|————|———|
| 20 | 18 | 22 |
| 21 | 17 | 23 |
| 19 | 16 | 24 |
Camau Dadansoddi:
1. Ffurflunio Damcaniaeth:
– $H_0$: Mae uchder cyfartalog y planhigyn ar gyfer pob gwrtaith yr un peth.
– $H_1$: Mae o leiaf un uchder planhigyn cyfartalog yn wahanol.
2. Cyfrifwch yr ystadegyn F:
– Cyfrifwch SST, SSB, ac SSW a pharhewch â'r cyfrifiad F.
3. Cymharwch â Gwerth Arwyddocâd:
– Gan ddefnyddio'r tabl dosraniad F a graddau rhyddid, rydym yn pennu a yw'r gwerth F cyfrifedig yn arwyddocaol.
Cesimpulan:
Os yw'r gwerth F yn dangos bod gwahaniaeth sylweddol, gall yr ymchwilydd fwrw ymlaen â phrofion ôl-hoc i benderfynu pa grwpiau sy'n wahanol.
Casgliad
Mae'r prawf-F mewn dadansoddi amrywiant yn offeryn defnyddiol iawn ar gyfer pennu a oes gwahaniaethau sylweddol rhwng grwpiau. Drwy fodloni rhagdybiaethau ystadegol, gall y prawf hwn roi cipolwg pwerus ar y data a ddadansoddwyd. Mewn cymwysiadau ymarferol, mae'r prawf hwn yn ddefnyddiol iawn mewn amrywiol feysydd ymchwil fel bioleg, astudiaethau cymdeithasol, economeg, ac yn y blaen. Bydd gwybod pryd a sut i ddefnyddio'r prawf-F, yn ogystal â deall ei dybiaethau a'i ddehongliadau, yn gwella ansawdd dadansoddiad ystadegol ac yn darparu sylfaen gadarn ar gyfer gwneud penderfyniadau sy'n seiliedig ar ddata.
