အခြေခံ ကောက်ချက်စာရင်းအင်းများ- အဓိပ္ပာယ်ဖွင့်ဆိုချက်၊ နည်းလမ်းများ နှင့် အသုံးချမှုများ
စာရင်းအင်းပညာဆိုသည်မှာ အချက်အလက်များကို မည်သို့စုဆောင်းရမည်၊ လုပ်ဆောင်ရမည်၊ ခွဲခြမ်းစိတ်ဖြာရမည်၊ အဓိပ္ပာယ်ဖွင့်ဆိုရမည်နှင့် တင်ပြရမည်ကို လေ့လာသော သိပ္ပံပညာဖြစ်သည်။ စာရင်းအင်းပညာကို အဓိကအားဖြင့် ဌာနခွဲနှစ်ခုအဖြစ် ခွဲခြားထားသည်- ဖော်ပြချက်စာရင်းအင်းနှင့် ကောက်ချက်ချစာရင်းအင်း။ ဖော်ပြချက်စာရင်းအင်းသည် ဇယားများ၊ ဂရပ်များနှင့် ဗဟိုလမ်းကြောင်းနှင့် ပျံ့နှံ့မှု၏ တိုင်းတာမှုအမျိုးမျိုးကဲ့သို့သော အလွယ်တကူနားလည်နိုင်သောပုံစံများဖြင့် အချက်အလက်များကို တင်ပြခြင်းနှင့် အကျဉ်းချုပ်ခြင်းအပေါ် အာရုံစိုက်သည်။ အခြားတစ်ဖက်တွင်၊ ကောက်ချက်ချစာရင်းအင်းများသည် နမူနာဒေတာအပေါ် အခြေခံ၍ လူဦးရေတစ်ခုအကြောင်း ခန့်မှန်းချက်များ သို့မဟုတ် ကောက်ချက်များချရန် ကျွန်ုပ်တို့အား ခွင့်ပြုသည်။
ကောက်ချက်စာရင်းအင်းဆိုသည်မှာ နမူနာတစ်ခုမှ ရယူထားသော အချက်အလက်များအပေါ် အခြေခံ၍ လူဦးရေတစ်ခုအကြောင်း ကောက်ချက်ချခြင်း သို့မဟုတ် နိဂုံးချုပ်ခြင်းများကို ပြုလုပ်နိုင်စေသည့် စာရင်းအင်း၏ ဌာနခွဲတစ်ခုဖြစ်သည်။ လူဦးရေတစ်ခုလုံးမှ အချက်အလက်များကို စုဆောင်းရန် မဖြစ်နိုင်သောကြောင့် ဤအသုံးပြုမှုသည် အရေးကြီးပါသည်။ ကောက်ချက်စာရင်းအင်းနည်းလမ်းများမှတစ်ဆင့် လူဦးရေအကြောင်း ခန့်မှန်းချက်များ သို့မဟုတ် ယူဆချက်များ ပြုလုပ်နိုင်ပြီး ထိုခန့်မှန်းချက်များအပေါ် ယုံကြည်မှုအဆင့်ကို တိုင်းတာနိုင်ပါသည်။
အခြေခံနားလည်မှုနှင့် အဓိကသဘောတရားများ
လူဦးရေနှင့် နမူနာ
– လူဦးရေ- သုတေသနပြုလုပ်သည့် အကြောင်းအရာဖြစ်သော လူပုဂ္ဂိုလ်များ သို့မဟုတ် အရာဝတ္ထုများ၏ အစုအဝေးတစ်ခုလုံးကို ရည်ညွှန်းသည်။ ဥပမာအားဖြင့် တက္ကသိုလ်တစ်ခုရှိ ကျောင်းသားအားလုံး။
– နမူနာ- ထိုလူဦးရေနှင့် ပတ်သက်၍ ကောက်ချက်များချရန် သုတေသနအတွက် ရွေးချယ်ထားသော လူဦးရေ၏ အစုအဖွဲ့ သို့မဟုတ် အစိတ်အပိုင်း။ ဥပမာအားဖြင့် တက္ကသိုလ်မှ ကျပန်းရွေးချယ်ထားသော ကျောင်းသား ၁၀၀။
ကန့်သတ်ချက်များနှင့် စာရင်းအင်းများ
– Parameter: လူဦးရေတစ်ခု၏ ဝိသေသလက္ခဏာကို ဖော်ပြသည့် ဂဏန်းတန်ဖိုးတစ်ခု (ဥပမာ လူဦးရေပျမ်းမျှ)။
– စာရင်းအင်းများ- နမူနာတစ်ခု၏ ဝိသေသလက္ခဏာကို ဖော်ပြသည့် ဂဏန်းတန်ဖိုးများ (ဥပမာ နမူနာပျမ်းမျှ)။
ကောက်ချက်ချစာရင်းအင်းနည်းလမ်းများ
Inferential Statistics မှာ မကြာခဏအသုံးပြုလေ့ရှိတဲ့ နည်းလမ်းအမျိုးမျိုးရှိပါတယ်၊ ဥပမာ-
၁။ ကန့်သတ်ချက် ခန့်မှန်းချက်
– ကန့်သတ်ချက် ခန့်မှန်းခြင်းတွင် လူဦးရေ ကန့်သတ်ချက်၏ တန်ဖိုးကို ခန့်မှန်းရန် (သို့မဟုတ် ခန့်မှန်းရန်) နမူနာဒေတာကို အသုံးပြုခြင်း ပါဝင်သည်။ ခန့်မှန်းခြင်း အမျိုးအစား အဓိက နှစ်မျိုးရှိသည်-
– အမှတ်ခန့်မှန်းချက်- လူဦးရေကန့်သတ်ချက်၏ တစ်ခုတည်းသောခန့်မှန်းချက်။ ဥပမာအားဖြင့်၊ လူဦးရေပျမ်းမျှကို ခန့်မှန်းရန် နမူနာပျမ်းမျှကို အသုံးပြုခြင်း။
– ယုံကြည်မှုကြားကာလ- ယုံကြည်မှုအဆင့်တစ်ခုဖြင့် လူဦးရေကန့်သတ်ချက်တန်ဖိုးပါဝင်ရန် ယူဆထားသော သို့မဟုတ် မျှော်လင့်ထားသော တန်ဖိုးများ၏ အပိုင်းအခြား။
၂။ ယူဆချက်စမ်းသပ်ခြင်း
– ယူဆချက်စမ်းသပ်ခြင်းလုပ်ငန်းစဉ်တွင် ယူဆချက်နှစ်ခုပါဝင်သည်၊ ၎င်းတို့မှာ အကျိုးသက်ရောက်မှု သို့မဟုတ် ကွာခြားချက်မရှိကြောင်းဖော်ပြသည့် null hypothesis (H0) နှင့် အကျိုးသက်ရောက်မှု သို့မဟုတ် ကွာခြားချက်ရှိကြောင်းဖော်ပြသည့် alternative hypothesis (H1) တို့ဖြစ်သည်။
– ယူဆချက်စမ်းသပ်ခြင်းသည် အခြားယူဆချက်အတွက် አዲስယူဆချက်မဲ့မှုကို ငြင်းပယ်ရန် နမူနာဒေတာမှ လုံလောက်သောအထောက်အထားရှိမရှိ ဆုံးဖြတ်ရန် ရည်ရွယ်သည်။
– ယူဆချက်စမ်းသပ်မှုတွင် အဆင့်များပါဝင်သည်-
၁။ ယူဆချက်နှစ်ခု (Ho နှင့် Ha) ကိုဖော်ပြပါ။
၂။ အရေးပါမှုအဆင့် (alpha) ကို ရွေးချယ်ပါ။
၃။ အချက်အလက်များကို စုဆောင်းပြီး ခွဲခြမ်းစိတ်ဖြာပါ။
၄။ p-တန်ဖိုး သို့မဟုတ် စမ်းသပ်မှုစာရင်းအင်းကို ဆုံးဖြတ်ပါ။
၅။ p-တန်ဖိုးနှင့် သိသာထင်ရှားမှုအဆင့်ကို အခြေခံ၍ နိဂုံးချုပ်ပါ။
၃။ ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာခြင်း
- ကိန်းရှင်နှစ်ခု သို့မဟုတ် နှစ်ခုထက်ပိုသော ကိန်းရှင်များကြား ဆက်နွယ်မှုကို နားလည်ရန် အသုံးပြုသည်။
– ရိုးရှင်းသော linear regression မော်ဒယ်တွင် လွတ်လပ်သော variable (predictor) တစ်ခုနှင့် မှီခို variable (response) တစ်ခုအကြား ဆက်နွယ်မှု ပါဝင်သည်။
– Multiple linear regression မော်ဒယ်များတွင် လွတ်လပ်သော variable တစ်ခုထက်ပို၍ ပါဝင်သည်။
၄။ ကွဲလွဲမှု ခွဲခြမ်းစိတ်ဖြာခြင်း (ANOVA)
– အုပ်စုသုံးစု သို့မဟုတ် ထို့ထက်ပိုသော အုပ်စုများအကြား ပျမ်းမျှတန်ဖိုးကို နှိုင်းယှဉ်ရန်နှင့် အနည်းဆုံး အုပ်စုတစ်ခုသည် အခြားအုပ်စုများနှင့် ကွဲပြားမှုရှိမရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။
– One-way ANOVA တွင် factor တစ်ခု သို့မဟုတ် လွတ်လပ်သော variable တစ်ခုပါဝင်ပြီး၊ two-way ANOVA တွင် factor နှစ်ခု သို့မဟုတ် လွတ်လပ်သော variable များပါဝင်သည်။
ကောက်ချက်စာရင်းအင်းများ၏ အသုံးချမှုများ
ကောက်ချက်စာရင်းအင်းများ၏ အသုံးချမှုများကို အောက်ပါတို့အပါအဝင် နယ်ပယ်အမျိုးမျိုးတွင် တွေ့ရှိနိုင်ပါသည်-
– ကျန်းမာရေး- ကုသမှုဟောင်းများနှင့် နှိုင်းယှဉ်ပါက ကုသမှုအသစ်များ၏ ထိရောက်မှုကို ဆုံးဖြတ်ရန်။
– စီးပွားရေး- ဖောက်သည်ကျေနပ်မှုကို တိုင်းတာရန်နှင့် အနာဂတ်ရောင်းအားနှင့်ပတ်သက်ပြီး ခန့်မှန်းချက်များပြုလုပ်ရန်။
– စိတ်ပညာ- လူနာ၏ စိတ်ပိုင်းဆိုင်ရာ အခြေအနေကို တိုးတက်ကောင်းမွန်အောင် လုပ်ဆောင်ရာတွင် ကုထုံး သို့မဟုတ် ကြားဝင်ဆောင်ရွက်မှု၏ ထိရောက်မှုကို အကဲဖြတ်ရန်။
– ပညာရေး- သင်ရိုးညွှန်းတမ်းအသစ် သို့မဟုတ် သင်ကြားရေးနည်းလမ်းတစ်ခု၏ ထိရောက်မှုကို အကဲဖြတ်ရန်။
– လူမှုရေးသိပ္ပံ- စစ်တမ်းဒေတာများကို ခွဲခြမ်းစိတ်ဖြာရန်နှင့် လူမှုရေးအပြုအမူနှင့်ပတ်သက်သည့် နိဂုံးချုပ်ချက်များ ရေးဆွဲရန်။
ဖြစ်ရပ်လေ့လာမှုများနှင့် ဥပမာများ
ကောက်ချက်ချစာရင်းအင်းများ အကောင်အထည်ဖော်မှု၏ ဥပမာတစ်ခုအနေဖြင့် ပညာရေးနယ်ပယ်တွင် ရိုးရှင်းသော ဖြစ်ရပ်လေ့လာမှုတစ်ခုကို ဤနေရာတွင် ဖော်ပြထားပါသည်။
ဖြစ်ရပ်လေ့လာမှု- သင်ကြားရေးနည်းစနစ်အသစ်များ၏ ထိရောက်မှု
ကျောင်း A ရှိ သင်္ချာဆရာမတစ်ဦးသည် ကျောင်းသားများ၏ စွမ်းဆောင်ရည်တိုးတက်စေရန် သင်ကြားရေးနည်းစနစ်အသစ်တစ်ခုသည် နည်းစနစ်ဟောင်းထက် ပိုမိုထိရောက်မှုရှိမရှိ ဆုံးဖြတ်လိုခဲ့သည်။ ထိုသို့ပြုလုပ်ရန်အတွက် သူမသည် ကျောင်းသားအုပ်စုနှစ်စုမှ အချက်အလက်များကို အသုံးပြုခဲ့သည်- သင်ကြားရေးနည်းစနစ်ဟောင်း (ထိန်းချုပ်အဖွဲ့) ကို အသုံးပြု၍ သင်ကြားပေးသောအဖွဲ့နှင့် သင်ကြားရေးနည်းစနစ်အသစ် (စမ်းသပ်အဖွဲ့) ကို အသုံးပြု၍ သင်ကြားပေးသောအဖွဲ့။
ခွဲခြမ်းစိတ်ဖြာမှု အဆင့်များ-
၁။ ယူဆချက် ဖော်မြူလာ
– ဟို: အုပ်စုနှစ်စုအကြား ပျမ်းမျှစာမေးပွဲရမှတ်များတွင် ကွာခြားချက်မရှိပါ။
– ဟား- အုပ်စုနှစ်စုကြား ပျမ်းမျှစာမေးပွဲရမှတ်များတွင် ကွာခြားချက်ရှိပါသည်။
၁။ အချက်အလက်စုဆောင်းခြင်း
- အုပ်စုနှစ်စုလုံးမှ စမ်းသပ်မှုရမှတ်ဒေတာများကို စုဆောင်းပါ။
၃။ စာရင်းအင်း ခွဲခြမ်းစိတ်ဖြာခြင်း
– ပျမ်းမျှနှစ်ခုကို နှိုင်းယှဉ်ရန် လွတ်လပ်သော t-test ကို အသုံးပြုခြင်း။
– အရေးပါမှုအဆင့်ကို ရွေးချယ်ပါ (ဥပမာ၊ အယ်လ်ဖာ = 0,05)။
၄။ တွက်ချက်မှုနှင့် အဓိပ္ပာယ်ဖွင့်ဆိုချက်
– t-statistic နှင့် p-value ကို တွက်ချက်ပါ။
– p-တန်ဖိုး < alpha ဖြစ်ပါက Ho ကို ငြင်းပယ်ပါ။ ၎င်းသည် သင်ကြားရေးနည်းစနစ်အသစ်သည် သိသာထင်ရှားသော အကျိုးသက်ရောက်မှုရှိကြောင်း ညွှန်ပြသည်။ နိဂုံးချုပ်- ကောက်ချက်ချစာရင်းအင်းများသည် ဒေတာခွဲခြမ်းစိတ်ဖြာမှုနှင့် ဆုံးဖြတ်ချက်ချမှုတွင် အရေးပါသောအခန်းကဏ္ဍမှ ပါဝင်သည်။ အထက်ဖော်ပြပါ မူများနှင့် နည်းလမ်းများမှတစ်ဆင့် ကျွန်ုပ်တို့သည် တရားဝင်ကောက်ချက်ချနိုင်ပြီး ပိုမိုကောင်းမွန်ပြီး ပိုမိုအသိပေးထားသော ဆုံးဖြတ်ချက်များ ချမှတ်နိုင်သည်။ ကောက်ချက်ချစာရင်းအင်းများ၏ သဘောတရားများကို ကျွမ်းကျင်စွာ တတ်မြောက်ခြင်းသည် ပညာရေးတွင်သာမက နေ့စဉ်ဘဝနှင့် အခြားပရော်ဖက်ရှင်နယ်နယ်ပယ်များတွင်ပါ အလွန်အသုံးဝင်ပါလိမ့်မည်။ ထို့ကြောင့် ကောက်ချက်ချစာရင်းအင်းများ၏ အခြေခံများကို ကောင်းစွာနားလည်ခြင်းသည် ဒေတာခွဲခြမ်းစိတ်ဖြာမှုနှင့် သုတေသနတွင် ပါဝင်သူတိုင်းအတွက် အရေးကြီးသော ပထမခြေလှမ်းတစ်ခုဖြစ်သည်။
