மாறுபாட்டுப் பகுப்பாய்வுக்கான அறிமுகம்
மாறுபாட்டுப் பகுப்பாய்வு (ANOVA) என்பது குழுக்களுக்கு இடையேயான சராசரிகளில் உள்ள வேறுபாடுகளைப் புரிந்துகொள்ளப் பயன்படும் ஒரு அடிப்படைப் புள்ளிவிவர நுட்பமாகும். இந்த நுட்பம் உளவியல், சமூகவியல், உயிரியல், பொருளாதாரம் மற்றும் பல துறைகளில் மிகவும் பயனுள்ளதாக உள்ளது. இந்தக் கட்டுரையில், ANOVA-வின் அடிப்படைக் கருத்துகள், அதன் வகைகள், உள்ளார்ந்த அனுமானங்கள், செயல்படுத்தும் படிகள் மற்றும் அதன் பயன்பாட்டு எடுத்துக்காட்டுகளைப் பற்றி விளக்குவோம்.
மாறுபாட்டுப் பகுப்பாய்வைப் புரிந்துகொள்ளுதல்
இரண்டு அல்லது அதற்கு மேற்பட்ட குழுக்களின் சராசரிகளுக்கு இடையே குறிப்பிடத்தக்க வேறுபாடு உள்ளதா என்பதைச் சோதிக்கப் பயன்படும் ஒரு நுட்பம் அனோவா (ANOVA) ஆகும். இந்த நுட்பம் 20 ஆம் நூற்றாண்டின் தொடக்கத்தில் சர் ரொனால்ட் ஃபிஷர் என்பவரால் அறிமுகப்படுத்தப்பட்டது. அடிப்படையில், குழுக்களுக்கு இடையேயான சராசரி வேறுபாடு, சமவாய்ப்பு மாதிரியெடுப்பால் எதிர்பார்க்கப்படுவதை விட அதிகமாக உள்ளதா என்பதைத் தீர்மானிக்க, அனோவா குழுக்களுக்கு இடையேயான மாறுபாட்டையும் குழுக்களுக்குள் உள்ள மாறுபாட்டையும் ஒப்பிடுகிறது.
ANOVA வகைகள்
பொதுவாகப் பயன்படுத்தப்படும் பல வகையான அனோவாக்கள் உள்ளன, அவையாவன:
1. ஒருவழி ANOVA:
நம்மிடம் ஒரு காரணி அல்லது சார்பற்ற மாறி இருக்கும்போது, அந்த மாறியின் அடிப்படையில் இரண்டு அல்லது அதற்கு மேற்பட்ட குழுக்களுக்கு இடையேயான சராசரி வேறுபாட்டைச் சோதிக்க இந்தப் பகுப்பாய்வு பயன்படுத்தப்படுகிறது.
2. இருவழி ANOVA:
இரண்டு காரணிகள் அல்லது சார்பற்ற மாறிகள் இருக்கும்போது, சார்பு மாறியின் மீது அவை இரண்டின் தாக்கத்தையும் ஒரே நேரத்தில் சோதிக்க இது பயன்படுகிறது.
3. மீண்டும் அளவிடும் அனோவா:
ஒரே பொருள் வெவ்வேறு நேரங்களில் அல்லது வெவ்வேறு சூழ்நிலைகளில் அளவிடப்படும்போது இந்தப் பகுப்பாய்வு பயன்படுத்தப்படுகிறது.
4. ANCOVA (இணை மாறுபாட்டுப் பகுப்பாய்வு):
குழப்பமான மாறிகளை (இணை மாறிகள்) கட்டுப்படுத்தப் பயன்படும் இது, ANOVA மற்றும் பின்னடைவு ஆகியவற்றின் ஒரு கலவையாகும்.
ANOVA அனுமானங்கள்
ANOVA-வைப் பயன்படுத்துவதற்கு முன்பு, பெறப்படும் முடிவுகள் செல்லுபடியாகும் வகையில் பல அனுமானங்கள் பூர்த்தி செய்யப்பட வேண்டும்:
1. இயல்புநிலை: ஒவ்வொரு குழுவிலிருந்தும் பெறப்பட்ட தரவுகள் இயல்நிலைப் பரவலைக் கொண்டிருப்பதாகக் கருதப்படுகிறது.
2. சம பரவல் தன்மை: குழுக்களுக்கு இடையேயான தரவுகளின் மாறுபாடு ஒருபடித்தானதாக அல்லது சீரானதாக இருக்க வேண்டும்.
3. சார்பின்மை: தரவுகளில் உள்ள அளவீடுகள் ஒன்றுக்கொன்று சார்பற்றவையாக இருக்க வேண்டும்.
இந்த அனுமானங்களில் ஏதேனும் ஒன்று பூர்த்தி செய்யப்படாவிட்டால், ANOVA முடிவுகள் சார்புடையதாக இருக்கலாம், எனவே, பூர்வாங்க சோதனைகளும் மாற்று முறைகளும் அவசியமாகலாம்.
ANOVA-வை செயல்படுத்துவதற்கான வழிமுறைகள்
1. கருதுகோள் உருவாக்கம்
கருதுகோள் உருவாக்கம் என்பது, குழுக்களுக்கு இடையே சராசரியில் எந்த வித்தியாசமும் இல்லை என்று கூறும் பூஜ்ஜிய கருதுகோள் (H0) மற்றும் வெவ்வேறு சராசரிகளைக் கொண்ட குறைந்தபட்சம் ஒரு ஜோடி குழுக்கள் உள்ளன என்று கூறும் மாற்று கருதுகோள் (H1) ஆகியவற்றைக் கொண்டுள்ளது.
கருதுகோளின் எடுத்துக்காட்டு:
– H0 : µ1 = µ2 = µ3 (குழுக்களுக்கு இடையேயான சராசரியில் வேறுபாடு இல்லை)
– H1 : வெவ்வேறு சராசரிகளைக் கொண்ட குழுக்களின் ஒரு ஜோடியாவது உள்ளது.
2. குழுக்களுக்கு இடையேயும் உள்ளேயும் உள்ள மாறுபாட்டைக் கணக்கிடுதல்
மாறுபாட்டுப் பகுப்பாய்வில் இரண்டு வகையான மாறுபாடுகள் அடங்கும்:
– குழுக்களுக்கு இடையேயான மாறுபாடு: குழு சராசரிகளுக்கு இடையேயான வேறுபாட்டை அளவிடுகிறது.
– குழுவிற்குள் உள்ள மாறுபாடு: குழுவிற்குள்ளேயே உள்ள மாறுபாட்டை அளவிடுகிறது.
3. F-மதிப்பைக் கணக்கிடுதல்
F-மதிப்பு என்பது இடைநிலை வர்க்கத்திற்கும் (MSB) உள்நிலை வர்க்கத்திற்கும் (MSW) இடையேயான விகிதமாகும்:
\[ F = \frac{MSB}{MSW} \]
எங்கே:
\[ MSB = \frac{SSB}{dfB} \]
\[ MSW = \frac{SSW}{dfW} \]
SSB மற்றும் SSW என்பவை குழுக்களுக்கு இடையேயும் குழுக்களுக்கு உள்ளேயும் உள்ள வர்க்கங்களின் கூட்டுத்தொகை ஆகும், அதேசமயம் dfB மற்றும் dfW என்பவை குழுக்களுக்கு இடையேயும் குழுக்களுக்கு உள்ளேயும் உள்ள தன்னிச்சை அளவுகள் ஆகும்.
4. முக்கிய மதிப்புடன் ஒப்பிடுக
பெறப்பட்ட F-மதிப்பானது, பின்னர் F-பரவல் அட்டவணையிலிருந்து வரும் முக்கிய F-மதிப்புடன் ஒரு குறிப்பிட்ட முக்கியத்துவ மட்டத்தில் (எ.கா., 0,05) ஒப்பிடப்படுகிறது. F-மதிப்பு முக்கிய மதிப்பை விட அதிகமாக இருந்தால், குறைந்தபட்சம் ஒரு வேறுபட்ட குழு சராசரி உள்ளது என்பதற்கான ஒரு தோராய மதிப்பீடாக அது அமைகிறது.
5. பிந்தைய ஆய்வுச் சோதனை
ANOVA முடிவுகள் குறிப்பிடத்தக்க வேறுபாடுகளைக் காட்டினால், எந்தக் குழு இணைகள் வேறுபடுகின்றன என்பதைத் தீர்மானிக்க, அடுத்த கட்டமாக ஒரு பிந்தைய சோதனை (post-hoc test) நடத்தப்பட வேண்டும். பொதுவாகப் பயன்படுத்தப்படும் சில பிந்தைய சோதனைகள் டக்கி (Tukey), ஷெஃபே (Scheffé) மற்றும் போன்ஃபெரோனி (Bonferroni) ஆகும்.
ANOVA பயன்பாட்டின் எடுத்துக்காட்டு
மாணவர்களின் அடைவுத்திறனில் மூன்று வெவ்வேறு கற்பித்தல் முறைகளின் செயல்திறனை நாம் சோதிக்க விரும்புகிறோம் என்று வைத்துக்கொள்வோம். இந்த ஆய்வில், சார்பற்ற மாறி என்பது கற்பித்தல் முறை (A, B, மற்றும் C), மற்றும் சார்பு மாறி என்பது மாணவர்களின் தேர்வு மதிப்பெண்கள் ஆகும்.
படி 1: கருதுகோளை உருவாக்குதல்
– H0 : A, B, மற்றும் C ஆகிய கற்பித்தல் முறைகளின் சராசரி தேர்வு மதிப்பெண்களுக்கு இடையே எந்த வித்தியாசமும் இல்லை.
– H1 : குறைந்தபட்சம் ஒரு ஜோடி கற்பித்தல் முறைகளின் சராசரி தேர்வு மதிப்பெண்களில் வேறுபாடு உள்ளது.
படி 2: தரவுகளைச் சேகரித்தல்
A, B, மற்றும் C ஆகிய கற்பித்தல் முறைகளில் கற்பிக்கப்பட்ட மாணவர்களின் தேர்வு மதிப்பெண்களை நாம் சேகரித்துள்ளோம் என்று வைத்துக்கொள்வோம்.
படி 3: மாறுபாட்டைக் கணக்கிடுதல்
பெறப்பட்ட தரவுகளின் அடிப்படையில் SSB, SSW, MSB மற்றும் MSW ஆகியவற்றைக் கணக்கிடுங்கள்.
படி 4: F-மதிப்புகளைக் கணக்கிடுதல் மற்றும் ஒப்பிடுதல்
F-மதிப்பைக் கணக்கிட்டு, அதனை முக்கிய மதிப்புடன் ஒப்பிடவும்.
படி 5: பிந்தைய சோதனை
F-மதிப்பு ஒரு குறிப்பிடத்தக்க வேறுபாட்டைக் காட்டினால், எந்தக் கற்பித்தல் முறை குறிப்பிடத்தக்க அளவு வேறுபட்டது என்பதைக் கண்டறிய, ஒரு பின்தொடர் சோதனையை மேற்கொள்ளவும்.
முடிவுரை
மாறுபாட்டுப் பகுப்பாய்வு என்பது குழுக்களுக்கு இடையேயான குறிப்பிடத்தக்க வேறுபாடுகளை மதிப்பிடுவதற்கான ஒரு சக்திவாய்ந்த கருவியாகும். ANOVA-வைப் புரிந்துகொண்டு சரியாகப் பயன்படுத்துவதற்கு, அதில் உள்ள அனுமானங்கள் மற்றும் படிநிலைகள் பற்றிய முழுமையான புரிதல் தேவைப்படுகிறது. இது மேலும் ஆழமான ஆராய்ச்சிக்கும், முடிவுகளின் அதிக நம்பகத்தன்மைக்கும் வழிவகுக்கிறது.
ANOVA-வின் பல்வேறு வகைகளைப் புரிந்துகொள்வதன் மூலம், ஆராய்ச்சியாளர்கள் தங்களின் சோதனை வடிவமைப்பு மற்றும் தரவுகளுக்கு மிகவும் பொருத்தமான முறையைத் தேர்ந்தெடுக்கலாம். முடிவுகளை எடுப்பதற்கு முன், ANOVA-வின் அடிப்படை அனுமானங்களைப் புரிந்துகொண்டு தேவையான சோதனைகளை மேற்கொள்ளுங்கள். இதன்மூலம், பெறப்படும் முடிவுகள் நம்பகமானவையாகவும் அறிவியல் சமூகத்தால் ஏற்றுக்கொள்ளப்பட்டவையாகவும் இருக்கும்.
