Skip to main content

Kaedah Analisa MANOVA Sehala menggunakan SPSS

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, pembolehubah ‘kumpulan’. Kemudian, pembolehubah-pembolehubah bersandar dimasukkan ke dalam kotak Dependent Variables seperti data1, data2 dan data3 yang mestilah berciri dengan skala continuos (skala selang atau skala nisbah).


Setelah itu, klik pada Options.




Maklumat pembolehubah bebas berskala nominal atau ordinal dimasukkan ke dalam kotak Display Means for. Kemudian, kotak Descriptive statistics dan Homegeneity tests di klik seperti di atas. Seterusnya, tekan pada butang Continue. Output kepada analisa MANOVA akan di paparkan.


Bagi mendapat maklumat tambahan seperti graf yang lebih memberi kesan dalam persembahan Output, maka langkah-langkah berikut boleh diambil. Klik pada Graphs serta Legacy Dialogs. Kemudian, klik pada Line.


Klik pada Multiple dan Summaries of separate variables seperti di atas. Kemudian, klik Define.


Masukkan maklumat dari kotak kiri ke kotak kanan. Maklumat dengan skala nominal atau ordinal dimasukkan ke dalam kotak Category Axis. Manakala, pembolehubah bersandar yang berskala selang atau skala nisbah dimasukkan ke dalam Line Represent.


Klik OK.


Melalui jadual maklumat seperti Descriptive Statistics di atas maka pengkaji dapat melihat min (Mean) mana yang tertinggi dan terendah. Selain pada itu, jumlah subjek atau responden bagi setiap kumpulan. Di samping itu, dapat juga di ketahui sisihan piawai (Std. Deviation)



Nilai Sig. = .000 (p < 0.05) seperti dalam kotak Box’s Test of Equality of Cavariance Matrices, menunjukan bahawa data terpesong daripada salah satu syarat kesamaan kovarians.

Manakala, dalam jadual Multivariate Tests, pembolehubah ‘kumpulan’ adalah signifikan dengan catatan F(3,304)=6.734, p<0.05] terhadap ketiga-tiga pembolehubah bersandar secara keseluruhan.

Ujian jadual di atas Levene’s Test of Equality of Error Variances, adalah untuk menguji varians pembolehubah bersandar sama atau tidak merentasi pelbagai kategori di dalam pembolehubah ‘kumpulan’. Hanya data1 sahaja yang tidak signifikan (Sig.>0.05). Bagi analisa MANOVA SPSS di atas ujian di atas meggunakan prosedur ENTER ( iaitu pembolehubah-pembolehubah di uji serentak ). Pengkaji di galakkan untuk menggunakan prosedur analisis Stepdown menggunakan syntax SPSS ( di kaji secara berasingan )


Between-Subjects Effects, adalah sebuah jadual menunjukan maklumat di antara pembolehubah-pembolehubah. Dalam contoh ini, terdapat satu pembolehubah bebas (‘kumpulan’. Kategori dalam ‘kumpulan’ adalah kumpulan 1 dan kumpulan 2) dan tiga pembolehubah bersandar (data1, data2 dan data3).

Pada bahagian Sig. dalam kotak merah, dapat dilihat terdapat dua pembolehubah yang mempunyai hubungan signifikan iaitu data yang berada dalam kumpulan*data2 dan kumpulan*data3. Perbezaan min juga dapat dilihat begitu ketara di antara pembolehubah-pembolehubah. Pembolehubah ‘kumpulan’ merupakan factor kepada data2 dan data3.

Nilai R squared (R2) di bawah jadual menunjukkan sumbangan pembolehubah bebas terhadap pembolehubah bersandar. Sebagai contoh, ‘kumpulan’ hanya menyumbang 0.1% sahaja kepada pembolehubah bersandar data1. Ini juga menyokong bahawa hubungan di antara ‘kumpulan’ dan data1 yang tidak signifikan.



Dengan merujuk kepada nilai min bagi kumpulan1 dan kumpulan2 merentasi pembolehubah bersandar dalam jadual Estimated Marginal Means, di dapati bahawa kumpulan 1* data2 lebih baik nilai min berbanding kumpulan 2 * data2. Begitu juga kumpulan 1* data3 lebih baik nilai min berbanding kumpulan 2 *data3.

Graf garisan jelas menunjukkan, min (Mean) dalam kumpulan 1 lebih tinggi dari kumpulan 2 bagi kesemua pembolehubah bersandar (data2 dan data3).




Labels:

Popular posts from this blog

G*Power Perisian Bagi Pengiraan Sampel Saiz.

Penggunaan Gpower kerap menekan kepada tiga langkah berikut: Memilih ujian statistik yang sesuai atau padan dengan masalah yang di kaji. Memilih di antara lima jenis analisis kuasa (power analysis) yang di sediakan. Sediakan parameter input yang di perlukan analasis dan klik pada “calculate” Pada Langkah 1, pendekatan yang digunakan untuk memilih ujian statistic (statistical test) adalah melalui dua pendekatan, iaitu distribution based atau design-based approach . Distribution-based approach to the test selection Melalui pendekatan distribution-based , pendekatan pertama adalah melihat pada kumpulan umum ujian statistik menggunakan '' Test family'' menu yang terdapat di window atau tingkap utama.   Ujian statitik ( Statistical test ) menu akan berubah mengikut pilihan di dalam '' Test family'' . Ujian-ujian yang ada akan selaras mengikut pada '' test family'' yang di pilih sahaja. Design-based approach to the test se
Read more

Ujian Analisa Sehala MANOVA

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
Read more

ANOVA vs MANOVA

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
Read more