විචලනය විශ්ලේෂණය පිළිබඳ හැඳින්වීම
සංඛ්යාලේඛන ලෝකය දත්ත විශ්ලේෂණය සඳහා විවිධ බලගතු මෙවලම් වලින් පිරී ඇති අතර, මෙම මෙවලම් අතර, විචල්යතා විශ්ලේෂණය (ANOVA) එහි පුළුල් යෙදුම සහ උපයෝගීතාව සඳහා කැපී පෙනේ. අධ්යයන පර්යේෂණයේ සිට ව්යාපාර විශ්ලේෂණ දක්වා, විවිධ තත්වයන් යටතේ කණ්ඩායම් මාධ්යයන් අතර වෙනස්කම් තේරුම් ගැනීමේදී ANOVA තීරණාත්මක කාර්යභාරයක් ඉටු කරයි. මෙම ලිපියෙන් ANOVA හි මූලික සංකල්ප, උපකල්පන සහ යෙදුම් හඳුන්වා දෙන අතර, ආරම්භකයින් සහ අතරමැදියන් සඳහා මෙම සංඛ්යානමය තාක්ෂණය ගුප්තකරණය කිරීම අරමුණු කර ගෙන ඇත.
ANOVA යනු කුමක්ද?
එහි හරය ලෙස, විචල්යතා විශ්ලේෂණය (ANOVA) යනු බහු කණ්ඩායම් හරහා මධ්යන්යයන් සංසන්දනය කිරීමට භාවිතා කරන සංඛ්යානමය ක්රමයකි, ඒවා අතර සංඛ්යානමය වශයෙන් සැලකිය යුතු වෙනස්කම් තිබේද යන්න තීරණය කිරීමට. මෙම තාක්ෂණය සංඛ්යාලේඛනඥයින්ට කණ්ඩායම් අතර වෙනස්කම් හා සසඳන විට කණ්ඩායම් තුළ ඇති වෙනස්කම් විශ්ලේෂණය කිරීමට උපකාරී වන අතර එමඟින් නියැදි මාධ්යයන්හි නිරීක්ෂණය කරන ලද වෙනස්කම් අහඹු අවස්ථාවක් නිසා විය හැකිද නැතහොත් සැබෑ යටින් පවතින විෂමතා පෙන්නුම් කරයිද යන්න වටහා ගැනීමට උපකාරී වේ.
කණ්ඩායම් තුනක් හෝ වැඩි ගණනක් සමඟ කටයුතු කිරීමේදී ANOVA බහුලව භාවිතා වේ. කණ්ඩායම් දෙකක් සංසන්දනය කිරීම සඳහා, t-පරීක්ෂණයක් සාමාන්යයෙන් ප්රමාණවත් වේ. මේ අනුව, ANOVA බහු කණ්ඩායම් හරහා උපකල්පන එකවර පරීක්ෂා කිරීමේ හැකියාව පුළුල් කරයි, සත්ය ශුන්ය කල්පිතයක් වැරදි ලෙස ප්රතික්ෂේප කළ විට සිදුවන I වර්ගයේ දෝෂ ඇතිවීමේ සම්භාවිතාව අඩු කරයි.
ANOVA වර්ග
විවිධ ආකාරයේ පර්යේෂණාත්මක සැලසුම් සහ දත්ත ව්යුහයන් හැසිරවීමට නිර්මාණය කර ඇති ANOVA හි වෙනස්කම් කිහිපයක් තිබේ. ප්රාථමික වර්ග වන්නේ:
1. ඒක-මාර්ග ANOVA: මෙම ක්රමය රඳා පවතින විචල්යයකට තනි සාධකයක බලපෑම තක්සේරු කරයි. මට්ටම් දෙකක් හෝ වැඩි ගණනක් (කණ්ඩායම්) සහිත එක් වර්ගීකරණ ස්වාධීන විචල්යයක් පමණක් ඇති විට එය භාවිතා වේ.
2. ද්වි-මාර්ග ANOVA: මෙම තාක්ෂණය ස්වාධීන සාධක දෙකක බලපෑම එකවර පරීක්ෂා කරයි. යැපෙන විචල්යයට ඒවායේ ඒකාබද්ධ බලපෑම ඒවායේ තනි බලපෑම්වලට වඩා වෙනස් දැයි බැලීමට සාධක දෙක අතර අන්තර්ක්රියා ඇගයීමට ද එයට හැකිය.
3. පුනරාවර්තන මිනුම් ANOVA: එකම විෂයයන් විවිධ තත්වයන් යටතේ කිහිප වතාවක් මනින විට මෙම වර්ගය භාවිතා වේ. එය බොහෝ විට කල්පවත්නා අධ්යයනයන්හි හෝ කාලයත් සමඟ නැවත නැවත මිනුම් සහිත අත්හදා බැලීම් වලදී භාවිතා වේ.
4. බහුවිචල්ය විචල්යතා විශ්ලේෂණය (MANOVA): ANOVA හි දිගුවක් වන MANOVA, යැපෙන විචල්යයන්ගේ සංයෝජනයක් මත කණ්ඩායම් වෙනස්කම් පවතින්නේද යන්න තක්සේරු කරමින්, බහු පරායත්ත විචල්යයන් එකවර හසුරුවයි.
ANOVA හි උපකල්පන
ANOVA ප්රතිඵල නිසි ලෙස අර්ථ නිරූපණය කිරීම සඳහා, දත්ත පිළිබඳ ඇතැම් උපකල්පන සපුරාලිය යුතුය:
1. ස්වාධීනත්වය: නිරීක්ෂණ එකිනෙකින් ස්වාධීන විය යුතුය. වෙනත් වචන වලින් කිවහොත්, එක් විෂයයක මිනුම තවත් විෂයයක මිනුමට බලපෑම් නොකළ යුතුය.
2. සාමාන්යභාවය: යැපෙන විචල්යය එක් එක් කාණ්ඩය සඳහා ආසන්න වශයෙන් සාමාන්ය ලෙස බෙදා හැරිය යුතුය. මධ්යම සීමා ප්රමේයය හේතුවෙන්, විශේෂයෙන් විශාල සාම්පල ප්රමාණ සමඟ, මෙම උපකල්පනය තරමක් ලිහිල් කළ හැකිය.
3. විචල්යතාවයන්හි සමජාතීයතාවය (සමජාතීයතාවය): එක් එක් කාණ්ඩය තුළ විචලනයන් ආසන්න වශයෙන් සමාන විය යුතුය. මෙය ලෙවීන්ගේ පරීක්ෂණය හෝ බාට්ලට්ගේ පරීක්ෂණය භාවිතයෙන් පරීක්ෂා කළ හැකිය.
4. මිනුම් මට්ටම: පරායත්ත විචල්යය පරතරයකින් හෝ අනුපාත මට්ටමකින් මැනිය යුතුය. ස්වාධීන විචල්යය වර්ගීකරණ විය යුතුය.
මෙම උපකල්පන උල්ලංඝනය කිරීම් ANOVA ප්රතිඵලවල වලංගුභාවයට බලපෑ හැකිය. උපකල්පන සපුරා නොමැති නම් පරිවර්තනයන් හෝ විකල්ප සංඛ්යානමය ක්රම අවශ්ය විය හැකිය.
ANOVA සිදු කිරීම: පියවර සහ අර්ථ නිරූපණය
ANOVA පැවැත්වීමේ ක්රියාවලියට උපකල්පන සකස් කිරීමේ සිට ප්රතිඵල අර්ථ නිරූපණය කිරීම දක්වා පියවර මාලාවක් ඇතුළත් වේ:
1. උපකල්පන සකස් කරන්න:
– ශුන්ය කල්පිතය (H0): කණ්ඩායම් මධ්යන්යවල වෙනසක් නොමැත.
– විකල්ප කල්පිතය (H1): අවම වශයෙන් එක් කණ්ඩායම් මධ්යන්යයක් වෙනස් වේ.
2. කණ්ඩායම් මධ්යන්ය සහ විචලනයන් ගණනය කරන්න: එක් එක් කාණ්ඩය සඳහා මධ්යන්යය සහ විචලනය සහ සියලුම කාණ්ඩ හරහා සමස්ත මධ්යන්යය ගණනය කරන්න.
3. F-සංඛ්යාලේඛන ගණනය කරන්න:
– කණ්ඩායම් අතර විචලනය: මධ්යන්ය වර්ග (MSB) = (SSB) අතර වර්ග එකතුව / අතර නිදහස් අංශක.
– කාණ්ඩය තුළ විචලනය: ඇතුළත මධ්යන්ය වර්ග ප්රමාණය (MSW) = ඇතුළත වර්ගවල එකතුව (SSW) / ඇතුළත නිදහසේ අංශක.
– F-සංඛ්යාලේඛන: F = MSB / MSW.
4. වැදගත්කම තීරණය කරන්න: තෝරාගත් ඇල්ෆා මට්ටම (සාමාන්යයෙන් 0.05) සහ නිදහසේ අංශක මත පදනම්ව, F-සංඛ්යාලේඛනය F-බෙදාහැරීමේ වගුවෙන් තීරණාත්මක අගයකට සංසන්දනය කරන්න. ගණනය කළ F-අගය තීරණාත්මක F-අගයට වඩා වැඩි නම්, ශුන්ය කල්පිතය ප්රතික්ෂේප කරන්න.
5. පශ්චාත්-කාලීන විශ්ලේෂණය: ශුන්ය කල්පිතය ප්රතික්ෂේප කළහොත්, එකිනෙකට වෙනස් වන නිශ්චිත කණ්ඩායම් මොනවාදැයි නිශ්චය කර ගැනීම සඳහා පශ්චාත්-කාලීන පරීක්ෂණයක් (ටුකීගේ HSD හෝ බොන්ෆෙරෝනි නිවැරදි කිරීම වැනි) භාවිතා කරනු ලැබේ.
ANOVA හි යෙදුම්
ANOVA යනු පුළුල් පරාසයක ක්ෂේත්රවල වටිනා මෙවලමකි:
1. කෘෂිකර්මාන්තය: විවිධ පොහොර ප්රතිකාරවල අස්වැන්න සංසන්දනය කිරීම.
2. වෛද්ය විද්යාව: රෝගීන්ගේ සුවවීමේ අනුපාත මත විවිධ ඖෂධ ප්රතිකාරවල ඵලදායීතාවය තක්සේරු කිරීම.
3. මනෝවිද්යාව: මානසික සෞඛ්ය ප්රතිඵල කෙරෙහි විවිධ ප්රතිකාර ක්රමවල බලපෑම අධ්යයනය කිරීම.
4. අධ්යාපනය: විවිධ උපදේශන ක්රම මගින් උගන්වන සිසුන්ගේ කාර්ය සාධනය ඇගයීම.
5. ව්යාපාරය: විවිධ සේවා ස්ථාන හෝ නිෂ්පාදන හරහා පාරිභෝගික තෘප්තිය විශ්ලේෂණය කිරීම.
නිගමනය
විචල්යතා විශ්ලේෂණය (ANOVA) යනු කණ්ඩායම් මාධ්යයන් සංසන්දනය කිරීම සහ බහු කණ්ඩායම් හරහා සැලකිය යුතු වෙනස්කම් අනාවරණය කිරීම සඳහා බලගතු සංඛ්යානමය තාක්ෂණයකි. ANOVA හි සම්බන්ධ උපකල්පන, වර්ග සහ පියවර තේරුම් ගැනීමෙන්, පර්යේෂකයන්ට මෙම මෙවලම ඔවුන්ගේ දත්ත වලට ඵලදායී ලෙස යෙදිය හැකිය. ගණනය කිරීම් සංකීර්ණ විය හැකි අතර, නවීන සංඛ්යානමය මෘදුකාංග ක්රියාවලිය සරල කරයි, පර්යේෂකයන්ට ප්රතිඵල අර්ථ නිරූපණය කිරීම සහ අර්ථවත් නිගමනවලට එළඹීම කෙරෙහි අවධානය යොමු කිරීමට ඉඩ සලසයි. අධ්යයන පර්යේෂණ, ව්යාපාර සැකසුම් හෝ වෙනත් ක්ෂේත්රවල වේවා, ANOVA දත්ත විශ්ලේෂණය සහ තීරණ ගැනීම සඳහා මූලික ක්රමයක් ලෙස දිගටම පවතී.
