Analisa SPANOVA menggunakan SPSS

Set data merupakan contoh. Pada lajur kolum Kumpulan, kod 1 mewakili kawalan, manakala Kumpulan 2 mewakili kumpulan rawatan. Peserta-peserta menjalani dan menyertai program pemasaran anjuran sebuah syarikat ternama dalam negara selama sembilan bulan. Setiap selang tiga bulan peserta-peserta akan diuji dengan melalui satu ujian dalam masa sehari. Selepas selesai ujian tersebut pada hari tersebut, nilai jualan dalam Ringgit akan di rekodkan. Ujian analisa SPANOVA akan digunakan untuk mengenal pasti samada program berkenaan berkesan dalam meningkat jualan-jualan peserta.

Klik pada Analyze dan kemudian, halakan kepada cursor ke General Linear Model. Klik kepada analisa pilihan iaitu, Repeated Measures.

Pada kotak Within-Subject Factor Name, pengkaji atau penganalisa perlu memasukan nama sesuai mengikut data yang ada. Kemudian, masukkan Number of Levels iaitu bilangan ulangan ukuran itu di ambil. Dalam contoh ini sebanyak tiga kali iaitu pada bulan ketiga, bulang keenam dan bulan kesembilan. Setelah itu,klik pada Add.

Setelah klik pada Add, maklumat akan berpindah ke dalam kotak seperti di atas. Selepas itu, klik pada Define.

Nyalakan (highlight) Kumpulan, dan klik panah (arrow) untuk memasukkan maklumat ke dalam kotak Between-Subjects Factor(s). Ulang langkah seperti sebelum ini dan masukkan maklumat seterusnya ke dalam kotak Within-Subjects Variables iaitu ‘bulan’.

Setelah semua maklumat yang di perlukan telah di pindahkan ke dalam kotak-kotak yang sepatutnya, penganalisa perlu tekan pada butang Plots seperti gambar di atas.

‘Kumpulan’ (Between-Subjects Factor) di pindahkan ke dalam kotak Separate Lines, manakala ‘bulan’ (Within-Subjects Variables) ke dalam kotak Horizontal Axis.

Setelah maklumat berpindah ke tempat-tempat sepatutnya, klik Add untuk memindahkan maklumat sebelumnya ke dalam kotak Plots.

Setelah maklumat memasuki ke dalam kotak Plots, maka butang Continue di tekan. Selepas itu, klik pada kotak Options untuk ke Langkah seterusnya.

Maklumat atau pembolehubah ‘bulan’ di pindahkan ke dalam Display Means for. Kemudian,klik pada Compare main effects. Setelah itu, pilih Bonferroni. Klik pada Descriptive statistics dan Homogeneity tests. Akhir sekali, klik pada Continue dan OK untuk mendapatkan keputusan (output) daripada analisa.

Pada jadual Measure: MEASURE_1, terpapar pembolehubah bebas bulan yang mengandungi data pengukuran berulang yang di kumpul untuk tiga bulan iaitu tiga_bulan (bulan ke tiga), enam_bulan (bulan ke enam) dan sembilan_bulan (bulan ke Sembilan)

Pada jadual seterusnya, Between-Subjects Factors, ditunjukkan nilai bilangan responden bagi setiap kumpulan, N.

Perincian lebih berkaitan Descriptive Statistics adalah Mean, Std Deviation (sisihan piawai) serta jumlah responden bagi setiap padanan sel. Sebagai contoh, bagi Kumpulan 1 dan bulan ketiga (tiga_bulan), Mean, adalal bersamaan 61.43 ( 61.43 ringgit mengikut contoh yang digunakan), manakala sisihan piawai adalah 5.204. Perlu di ingatkan bahawa sisihan piawai tidak mengikut atau mempunyai unit seperti ringgit atau lain-lain kerana sisihan piawai adalah unit yang telah di standardized-kan, bagi memudahkan perbandingan. Daripada sel yang sama dapat di ketahui juga terdapat 30 responden yang memenuhi kriteria atau termasuk dalam Kumpulan 1 dan tiga_bulan. 

Pada jadual di atas, maklumat yang di dapati adalah berkaitan kovarians bagi pembolehubah bersandar merentasi kumpulan-kumpulan pembolehubah bebas yang sama. Nilai Sig. atau p = 0.072 (p > 0.05), maka hipotesis di terima. Dengan kata lain, syarat kesamaan nilai kovarians di patuhi.

Dalam jadual di atas, ujian Multivariate Pillai’s Trace menunjukkan bahawa kesan utama pembolehubah bebas ‘bulan’ [F(2,56) = 36.532, p<0.05].

Manakala,bagi interaksi kedua-dua pembolehubah bebas, bulan*Kumpulan [F(2,56) = 18.534, p<0.05)] terhadap pembolehubah bersandar (dependent variable) jumlah jualan adalah signifikan.

Jadual ini, hanya akan sah digunakan jika keputusan ujian Sphericity Mauchly tidak signifikan, iaitu nilai sig. > 0.05.

Beralih pada ujian Mauchly’s test bagi menguji andaian sphericity. Sebagai peraturan umum, Sphericity di andaikan dipenuhi jika Sig. > 0.05. Berdasarkan jadual di atas, jelas Sig. = 0.001 (p< 0.05). Maka terdapat isu sphericity. Bagi mengatasi masalah ini, penyelarasan nilai df perlu dilakukan dengan menggunakan nilai Epsilon Huynh-Feldt. Natijahnya, jadual Mltivariate Pillai’s Trace sebelum ini tidak boleh di gunakan dan penyelarasan nilai df kajian perlu dilaksana.

Berikut adalah jadual penyesuai nilai df (degree of freedom) dengan menggunakan nilai Huynh-Feldt. Melalui nilai yang di bentangkan oleh jadual di atas, pembolehubah bebas ‘bulan’ [F(1.706,97.248) = 53.678, p < 0.05] dan interaksi bulan*Kumpulan [(F(1.706,97.248) = 27.615, p <0.05] yang signifikan.

Ini membuktikan bahawa program pemasaran yang di laksanakan bukan sahaja mempengaruhi jumlah jualan harian secara individu, malah interaksinya dengan pembolehubah bebas Kumpulan juga memberi kesan kepada jualan peserta atau responden kajian.

Output daripada Tests of Within-Subjects Contrasts menunjukkan terdapat hubungan linear (bentuk graf yang lurus) yang signifikan antara ketiga-kita bulan dalam pembolehubah bersandar ( sila rujuk graf Profile Plots).

Populasi varians tidak sama jika “Sig.” atau p < 0.05. Maka objektif pengkaji adalah mendapat nilai sebaliknya, iaitu p > 0.05. Berdasarkan keputusan analisa di atas, kesemua adalah melebihi. Oleh sebab itu, nul hipotesis bahawa varians populasi merentasi populasi tidak di tolak. Kesemua pembolehubah mematuhi andaian kehomogenan sisihan (homogeneity of variance).

Jadual ini adalah keputusan ANOVA dua-hala untuk sampel-sampel bebas.Nilai min jumlah jualan bagi kedua-dua kumpulan rawatan (treatment) dan kawalan (control) berbeza secara signifikan [f(1,57) = 10.846, p < 005]. 

Nilai min atau purata jualan pada hari ujian pada tiga_bulan, enam_bulan dan sembilan_bulan. Tertinggi di catat pada sembilan_bulan ( selepas menyertai program selama sembilan bulan) (Min = 76.355), diikuti enam_bulan (Min = 67.576) dan terendah sembilan_bulan (Min = 59.389).

Memerhatikan pada jadual di atas, perlu di beri perhatian bahawa label berkenaan berkait dengan titik masa data di kutip daripada eksperimen program pemasaran terhadap jumlah jualan adalah daripada jadual Within-Subject Factors.

Jadual ini memberi nilai perbezaan yang signifikan (p < 0.05) di antara titik masa individu (selepas ralat jenis 1 dikawal dengan menggunakan kaedah Bonferroni). Jelas pada jadual di atas, setiap hubungan adalah signifikan berbeza min.

 

Jadual ini menunjukkan keputusan ujian multivariat sebelum penyelarasan nilai df.

Plot di atas adalah elemen terakhir dalam analisis SPANOVA. Plot ini memperlihatkan secara grafik limitasi dalam program yang dijalankan. Paksi graf di dalam SPSS boleh diubah bagi mendapat gambaran lebih jelas dan tepat. Ini adalah kerana, profil plot berkemungkinan akan menampakkan sesuatu keadaan itu secara berlebihan, sebagai contoh perbezaan min pada paksi-y akibat daripada julat paksi yang kecil atau sempit. Walau bagaimanapun, sesuatu graf itu membantu bagi memudahkan sesuatu kefahaman keputusan atau output berjadual.

Bentuk graf jelas memaparkan nilai min skor ujian jualan bagi kumpulan rawatan iaitu meningkat secara linear dari bulan 3, bulan 6 dan bulan 9, sedangkan bagi kumpulan kawalan seolah-seolah tidak banyak perubahan pada pangkalnya dan mendatar pada hujungnya. Kesimpulan dapat dibuat bahawa program pemasaran yang di sertai oleh responden atau peserta meningkat jualan peserta.

• Syarat-syarat penggunaan analisa SPANOVA
  

• Bagi mendapatkan perkhidmatan Analisa Statistik boleh hubungi kami. Sila klik di sini untuk maklumat lanjut: https://mesrastats.blogspot.com/2014/06/data-analisa-data-entry-sem-spss-excel.html