Skip to main content

Ujian Split plot ANOVA (SPANOVA)

Juga di kenali sebagai mixed-design ANOVA. Ujian ini adalah untuk menguji perbezaan min (means) di antara dua atau lebih kumpulan bebas (independent groups) dengan setiap unit experimental atau subjek akan di uji secara berulang. Oleh itu, paling kurang satu between-subjects variable dan within-subjects variable.

Dalam ujian SPANOVA, akan ada dua pembolehubah bebas dan satu pembolehubah bersandar. Data pembolehubah bebas pertama adalah data yang di ukur berulang kali, manakala data pembolehubah bebas kedua adalah data daripada sampel-sampel bebas.

Sebagai contoh, adakah terdapat perbezaan di antara gaji penjawat bandar dan luar bandar yang berpengalaman kerja 5 tahun dan 10 tahun?

  • Penjawat swasta bandar dan luar bandar adalah between-subjects variable
  • Jumlah tahun pengalaman ( 5 atau 10 tahun ) adalah within-subjects variable
  • Perkara menjadi tumpuan adalah kesan utama di antara lokasi bekerja dan tahun pengalaman bekerja serta kesan interaksi di antara lokasi bekerja-tahun pengalaman bekerja.
  • Ujian bagi contoh ini di kenali juga, 2 x 2 mixed-design ANOVA.

 

Nota : Rekabentuk kajian between-subjects (atau between-groups atau di antara kumpulan): setiap satu subjek atau unit experimental hanya di uji atau di dedahkan kepada satu treatment sahaja yang ada dalam sesebuah kajian. Manakala, rekabentuk kajian within-subjects (atau ukuran berulangan atau repeated-measures) study design: subjek yang sama, di uji menggunakan setiap treatment yang ada dalam kajian tersebut.

Syarat-syarat atau andaian sebelum uji:

  • Satu atau lebih pembolehubah within-subjects. Cth, masa ( jumlah berat badan sebelum menyertai program senaman dan selepas menyertai program senaman)
  • Satu atau lebih pembolehubah between-subjects. Cth, lokasi (bandar dan luar bandar)
  • Saiz sampel yang ideal adalah sekurang-kurangnya 20 per sel.
  • Pembolehubah bersandar mestilah bertaburan normal bagi setiap sel
  • Setiap respon atau gerakbalas daripada subject atau unit experimental hendaklah melalui persampelan secara rawak serta tidak berkait antara satu sama lain.
  • Kehomogenan sisihan (homogeneity of variance) bagi setiap sel adalah sama.
  • Sisihan populasi untuk pengukuran yang berulang adalah sama dan korealasi antara populasi di antara semua pasangan yang di ukur adalah sama. Kesferaan (sphericity) ini boleh di uji dengan ujian Mauchly’s. Keingkaran terhadap syarat ini, akan menyebabkan kesilapan jenis 1 meningkat (Type I error rate). Jika ini berlaku, maka pembetulan di perlukan. (cth, Greenhouse-Geisser correction)
  • Kehomogenan inter-korelasi (homogeneity of inter-correlations) adalah satu andaian bahawa vector pembolehubah bersandar akan mengikuti taburan normal multivariat dan matriks varians-kovarians adalah sama merentasi sel yang terwujud akibat between-subjects effects. Ini di uji dengan Box’s M.




 

 


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