Skip to main content

Ujian ANCOVA (Analysis of Covariance)

Organisasi A ingin  menguji makanan tambahan A samada boleh meningkatkan skor pelajar dalam matapelajaran  geografi di sekolah B berbanding dengan makanan tambahan lain. Eksperimen dijalankan untuk mengetahui samada makanan tambahan tersebut mampu meningkatkan skor pelajar dalam matapelajaran geografi. Jika rawatan atau intervensi atau campur tangan, seperti makanan tambahan dalam contoh ini, maka dengan itu, pembolehubah adalah dalam bentuk nominal lalu ini memboleh pengunaan analisa ANOVA.

Selain itu, pasca rawatan (posttreatment) skor geografi menunjukkan terdapatnya korelasi yang kuat dengan pra rawatan (pretreatment) skor geografi pelajar-pelajar. Pembolehubahubah ini perlu diambil kira dalam analisa. Hubungan di antara prakawalan dan pascarawatan skor geografi boleh diuji dengan regresi linear ringkas (simple linear regression) kerana kedua-duanya adalah skala nisbah (ratio scale). Kajian utama adalahlah untuk melihat kesan makanan tambahan A sambil mengawal prarawatanskor. Ini boleh dilakukan dengan menambah prarawatanskor ujian sebagai kovariat kepada ANOVA. Dengan ini, analisa ini menjadi analisa ANCOVA – nama singkatan kepada analysis of covariance. Analisa ini secara asasnya adalah gabungan ANOVA dan regresi.

 

Hipotesis nul bagi ANCOVA

Nul hipotesis dan hipotesis alternatif bagi ANCOVA adalah sama dengan ANOVA. Walaupun begitu secara konseptualnya, min populasi diubah bagi mengambil kira adanya kovariat. Oleh itu, secara reallitinya, hipotesis nul ANCOVA adalah tiada perbezaan di antara semua populasi min yang di sesuaikan (adjusted population means)

Secara umumnya, ANCOVA cuba menonjolkan terdapatnya kesan apabila hipotesis nul ditolak, maka kesemua min populasi adalah sama sambal mengawal kovariat 1+.

Dalam contoh kes di atas, boleh di kaitkan ‘purata pasca skor geografi adalah sama untuk semua jenis rawatan apabila pra rawatan skor di kawal, Secara asasnya, analisis adalah ringkas serta mudah tetapi beberapa andaian perlu di penuhi dahulu.

 

Andaian bagi penggunaan analisa ANCOVA

  • Pemerhatian bebas (independent observations). Dua pemerhatian adalah bebas apabila kejadian satu pemerhatian tidak berkait atau memberi maklumat berkaitan satu lagi pemerhatian. Contoh, menimbang berat kesemua orang di dalam sebuah keas pada satu masa. Kesemua ini sepatutnya adalah pemerhatian yang tidak berkait.
  • Andaian kenormalan, bahawa pembolehubah bersandar mestilah bertaburan normal di antara subpopulasi. Saiz sampel yang di perlukan hanya n < 20.
  • Kehomogenan atau keseragaman varians pembolehubah bersandar mestilah sama unuk semua subpopulasi.
  • Kehomogenan atau keseragaman cerun regresi (homogeneity of regression slopes) iaitu pekali-b untuk kovariat mesitlah sama untuk semua subpopulasi.
  • Hubungan di antara pembolehubah bersandar dan kovariat mestilah bersifat kelinearan (linearity)






Labels:

Popular posts from this blog

Krejcie & Morgan sample size calculator

Krejcie & Morgan Sample Size Calculator Enter Population Size (N): Calculate Sample Size Recommended Sample Size (n): 📘 About This Calculator This calculator uses the Krejcie & Morgan (1970) formula to estimate the minimum sample size required when the total population size is known. It is commonly used in social sciences, education, and health research. The formula is: n = (X² × N × P × (1 − P)) / (d² × (N − 1) + X² × P × (1 − P)) X² = 3.841 (for 95% confidence level) P = 0.5 (maximum variability) d = 0.05 (±5% precision) 📚 Citation Krejcie, R.V., & Morgan, D.W. (1970). Determining Sample Size for Research Activities . Educational and Psychological Measurement, 30 (3), 607–610. https://doi.org/10.1177/001316447003000308
Post a Comment
Read more

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 ANOVA sehala (one-way ANOVA)

Ujian-T (t-test) di gunakan untuk mengenali perbezaan min di antara dua kumpulan. Bagaimana pula jika kumpulan yang ingin di bandingkan mempunyai lebih daripada dua kumpulan? Jawapannya adalah menggunakan ANOVA. Jika kumpulan pembolehubah dua kumpulan, maka keputusan daripada ANOVA sehala ( one-way ANOVA ) dan ujian-t (independent t-test) adalah sama. Pengkaji boleh memastikan keputusan di dapati daripada senario di atas dengan menggunakan formula t 2 = F . Terdapat dua jenis ujian ANOVA sehala, iaitu ujian ANOVA sehala untuk pengukuran berulang (masa berlainan ( longitudinal data ) atau keadaan berbeza-beza) dan ujian ANOVA sehala untuk sampel-sampel bebas (data di kumpul daripada beberapa sampel yang bebas antara satu sama lain). Syarat-syarat sebelum menggunakan ANOVA sehala. Sebelum menggunakan ujian ANOVA sehala beberapa syarat perlu di penuhi. Antaranya adalah, pembolehubah bersandar dalam skala selang atau skala nisbah. Kedua, pembolehubah tidak bersandar dalam bentuk kate...
Read more