Skip to main content

Ujian ANCOVA menggunakan SPSS

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.


Sesudah maklumat di isi ke dalam kotak, pilihan-pilhan lain akan muncul. Sila klik pada Compare main effects. Seterusnya, bagi Confidence interval adjustment yang di pilih adalah Bonferroni. Setelah itu, klik pada Descriptive statistics dan Homogeneity tests. Akhirnya, klik pada Continue.


Klik pada OK untuk mendapatkan keputusan analisa.


Dalam jadual Descriptive Statistics, nilai min kumpulan 1 (makanan tambahan A) lebih tinggi daripada kumpulan2 (makanan tambahan B).

Oleh sebab, sig. Levene’s Test of Equality of Error Variances lebih daripada 0.702 (p > 0.05), maka hipotesis nul gagal ditolak. Ini menunjukan tiada perbezaan varians dalam pembolehubah bersandar (pascarawatan, skor geografi) merentasi kategori pembolehubah kumpulan bebas (jenis makanan tambahan)


Daripada jadual Tests of Between-Subjects Effects, memaparkan kesan utama bebas kumpulan (jenis makanan tambahan) yang signifikan terhadap pembolehubah bersandar, pascarawatanskor geografi (markah geografi pelajar), [F(1,239) = 40.207, p < 0.05].

Manakala tiada kesan utama pembolehubah kawalan iaitu skor geografi sebelum makan makanan tambahan (prarawatanskor) yang signifikan terhadap pembolehubah bersandar, pascarawatan skor [F(1,239) = 0.020, p>0.05].

Ini membuktikan bahawa dengan mengawal markah geografi sebelum menerima makanan tambahan (prarawatanskor), jenis makanan tambahan mempengaruhi skor geografi pelajar (pascarawatanskor) secara signifikan.



Jadual di atas menunujukkan bahawa, secara signifikan, makanan tambahan A lebih memberi kesan berbanding makanan tambahan B. Perbezaan min makanan tambahan A berbanding makanan tambahan B adalah 6.751 dengan nilai p < 0.05 ( Sig.b =0.002) iaitu signifikan perbezaannya.

Sebagai makluman, pengiraan di atas dijalankan setelah mengawal ralat jenis 1 (type 1 error) dengan menggunakan kaedah Bonferroni.


Jadual Univariate Tests, adalah ujian yang mengesahkan jaual Pairwise Comparison bahawa wujudnya perbezaan yang signifikan secara keseluuhan [F(1,239) = 9.568, p<0.05]. Ini mengesahkan kewujudan kesan utama pembolehubah jenis makanan tambahan (pembolehubah bebas kumpulan) terhadap pembolehubah bersandar iaitu skor atau markah geografi selepas makan makanan tambahan (pascarawatanskor) selepas mengawal markah atau skor geografi sebelum makan makanan tambahan (prarawatanskor). 


Sambungan daripada : Ujian ANCOVA (Analysis of Covariance)





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