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

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

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

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