Skip to main content

Spearman Rank Order Correlation Coefficient

Analisa ini adalah sebahagian daripada analisa nonparametric yang mengukur kekuatan dan juga arah, hubungan di antara pembolehubah. Skala mestilah di ukur paling kurang adalah skala ordinal. Simbol yang mewakili analisa ini adalah rs (atau abjad Greek, ρ, di sebut sebagai rho). Ujian analisa ini boleh di gunakan jika data gagal memenuhi syarat-syarat bagi analisa Pearson's product-moment correlation. Sebagai contoh, penganalisa boleh menggunakan Spearman’s correlation untuk memahami perkaitan di antara skor mengira dan GPA.

 

Antara syarat-syarat bagi menggunakan analisa ini adalah:

  • Skala hanya dalam bentuk ordinal, ratio / nisbah, interval / selang.
  • Hubungan di antara pembolehubah adalah berhubung secara monotonic. Hubungan monotonic wujud apabila pembolehubah terlibat menunjukan ciri-ciri seperti apabila pembolehubah A meningkat dengan pembolehubah B turut meningkat , atau pembolehubah A meningkat bersama dengan pembolehubah B menunjukan penurunan.

 

Nota: Data tidak perlu dalam berkeadaan normal. Selain itu, analisa Spearman correlation tidaklah begitu sensetif terhadap outliers.








Daripada jadual di atas, jelas keputusan Spearman rank-order coefficient (rho = 0.826, p < .001) ialah tinggi dalam nilainya serta arah positif. Oleh itu, pemalar spearman menonjolkan bahawa skor mengira pelajar meningkat, turut juga meningkat adalah skor GPA.






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

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

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