MesraStats

Set data contoh yang di gunakan adalah berkaitan uji kaji jenis makanan dan minuman terhadap skor oleh pelajar-pelajar dalam matapelajaran berikut, Matematik, Fizik, Kimia, Geografi dan Sejarah. Makanan yang di uji makanan berlauk daging kambing dan satu lagi berlauk daging unta. Manakala, minuman yang di uji adalah minuman kurma dan minuman madu. Analisa yang di gunakan adalah analisa MANOVA dengan menggunakan SPSS. Klik pada Analyze , kemudian General Linear Model serta seterusnya Multivariate seperti gambar rajah di atas. Masukkan pembolehubah-pembolehubah bersandar ke dalam kotak Dependent Variables dan pembolehubah tidak bersandar atau pembolehubah bebas berkategori ke dalam Fixed Factor (s). Setelah itu, klik pada Options . Masukkan maklumat daripada kotak kiri ke dalam Display Means for , kotak sebelah kanan. Klik pada Descriptive statistics dan Homogeneity tests . Tekan pada Continue . Klik pada OK . Seterusnya, klik pada Graphs , kemudian Legacy Dialogs , sebelum menekan pa

Kemungkinan untuk melakukan konklusi atau kesimpulan yang salah daripada ujian hipotesis akan sentiasa wujud dan antara kesilapan itu adalah ralat jenis 1. Jika analisa statistik di lakukan secara bersiri atau berjujukan atau bersambungan, kemungkinan ralat jenis 1 akan bertambah secara tidak langsung. Ralat begini juga di kenali sebagai alpha inflation atau cumulative Type 1 error . Formula atau kiraan ralat ini adalah: Alpha inflation ≤ 1 – (1 – α IT ) c α IT  = tahap alpha bagi setiap ujian ( alpha level for an individual test (cth. 0.05)) c = Bilangan perbandingan ( number of comparisons ). Sebagai contoh, apabila tahap alpha, 5% dan 10 kali ujian statistik bersiri dilakukan, Maka berdasarkan kiraan di atas: Alpha inflation = 1 – (1 –0.05) 12 = 0.46 Ini bermakna kemungkinan atau kebarangkalian untuk melakukan ralat jenis 1 adalah setinggi 46%, iaitu satu angka yang tinggi berdasarkan pada hanya dua belas jujukan ujian statistik yang bersambungan. Oleh sebab i

Perbezaan utama di antara ANOVA dan MANOVA adalah jumlah bilangan pembolehubah bersandar ( dependent variable ). Walaupun begitu, jika terdapat pembolehubah bersandar lebih daripada satu, masih bukan masalah dan merupakan pilihan lain jika pengkaji mahu untuk menguji secara berasingan menggunakan analisa ANOVA bagi setiap pembolehubah bersandar itu. Jadi, kenapa perlu menggunakan pengiraan MANOVA ini berbanding beberapa analisa menggunakan ANOVA jika terdapat pembolehubah bersandar yang lebih daripada satu seperti dua, tiga atau empat pembolehubah bersandar? Terdapat dua sebab utama, MANOVA berpotensi menggantikan ANOVA dalam beberapa keadaan. Pertama melibatkan teori yang logik dan kedua melibatkan statistiknya. Sebagai contoh: Skormatematik + skorfizik + skorkimia sebagai fungsi kepada ( as a function of ) minuman tambahan ( tiga tahap / level ) Minuman tambahan, pembolehubah tidak bersandar atau bebas dengan tiga tahap ( levels ) : minuman kurma, minuman madu dan minuma

Set data yang menjadi contoh bagi ujian sehala MANOVA mempunyai empat pembolehubah. Satu pembolehubah bebas yang berskala nominal iaitu pembolehubah ‘kumpulan’. Manakala tiga lagi baki adalah pembolehubah bersandar, iaitu data1, data1 dan data3. Ketiga-tiga pembolehubah bersandar adalah dalam skala selang. Nota: Bagi pembolehubah bebas, mestilah dalam skala berkumpulan samada ordinal atau nominal seperti di atas. Pembolehubah bersandar pula, data mestilah dalam skala selang ( interval ) atau skala nisbah ( ratio ). Bagi memulakan analisa MANOVA menggunakan SPSS, maka halakan kursor ( cursor ) ke arah Analyze dan klik. Kemudian halakan kursor ke General Linear Model dan seterusnya Multivariate lalu klik padanya. Maklumat-maklumat di kotak kiri di masukan ke kotak kanan mengikut sepatutnya. Pemindahan maklumat tersebut dengan menekan pada arrow seperti di atas. Dalam kotak Fixed Factor(s) dimasukkan maklumat pemboleh bebas yang berskala nominal atau ordinal sahaja. Dalam contoh ini

Perbezaan analisa ini dengan ANOVA adalah pembolehubah bersandarnya mempunyai lebih daripada satu . Manakala, pembolehubah bebas adalah sama seperti ANOVA yang mempunyai pelbagai kumpulan. Analisa sehala MANOVA juga mempunyai sarat ujian statistik di dalamnya dan tidak dapat memberi maklumat secara spesifik kumpulan yang berbeza signifikan di antara satu sama lain. Ujian ini hanya akan memberi maklumat sekurang-kurang dua kumpulan adalah berbeza. Oleh sebab, kebiasaan penggunaan analisa ini oleh pengkaji akan melibatkan tiga, empat atau lebih kumpulan. Oleh itu penggunaan ujian post-hoc adalah penting untuk mengetahui perbezaan kumpulan selebihnya itu. Bagi mendapat analisa yang sah dan berkualiti, beberapa andaian perlu di penuhi dahulu sebelum menggunakan analisa MANOVA. Pembolehubah bersandar mestilah dalam skala selang atau nisbah. Pembolehubah bebas a.k.a pembolehubah tidak bersandar mestilah mempunyai beberapa kumpulan yang bebas atau dengan kata lain dalam skala ordina

Ujian kelinearan perlu dilakukan sebelum membuat analisa yang seterusnya. Contoh bagi analisa itu boleh di lihat di sini  Ujian Kelinearan (Linearity Test) . Bagi analisa ujian ANCOVA, jika terdapat hubungan di antara pembolehubah kawalan dan pembolehubah bersandar di dalam salah satu kategori pembolehubah bebas maka analisa ANCOVA boleh di teruskan. Klik pada Analyze dan kemudian klik pada General Linear Model serta pada Univariate seperti dalam gambar di atas. Maklumat-maklumat perlu dimasukkan ke dalam kotak-kotak berkenaan. Dependent Variable adalah untuk pembolehubah bersandar. Fixed Factor(s), adalah pembolehubah bebas yang di manipulasi kategori atau kumpulannya. Seterusnya, pembolehubah bersandar dimasukan ke dalam kotak Covariate(s). Selepas semua dimasukan ke dalam kotak sepatutnya, butang Options di tekan untuk Langkah seterusnya Pembolehubah bebas yang mempunyai kategori (skala nominal atau skala ordinal) dimasukkan ke dalam kotak Display Means for , seperti di atas