lý thuyết các phương pháp kiểm định bổ sung cho kiểm định anova

LY THUYET CAC PHUONG PHAP KIEM ĐỊNH BO SUNG CHO KIEM DINH ANOVA Cách phương pháp kiểm định bổ sung cho phân tích ANOVA bao gồm kiểm định về tính độc lập của hai biến định tính, kiểm đị

LY THUYET CAC PHUONG PHAP KIEM ĐỊNH BO SUNG CHO

KIEM DINH ANOVA

Cách phương pháp kiểm định bổ sung cho phân tích ANOVA bao gồm kiểm

định về tính độc lập của hai biến định tính, kiểm định phân phối, kiểm định dấu, kiêm

dinh Wilcoxon va kiém dinh Mann - Whitney và được sử dụng rộng rãi nhất là Tukey-Kramer

Kiểm định dấu là một phương pháp kiểm định phi tham số được sử dụng để kiểm tra sự khác biệt giữa hai mẫu độc lập Nó được sử dụng đề kiểm tra giả thuyết

về sự khác biệt giữa hai tông thê đối với mẫu cặp Các bước thực hiện kiểm định dấu như sau:

I Trên thanh công cụ, chọn Analyze > Nonparametric Tests > 2 Related Sample

2 Sau khi cửa số Two-Related-Samples Tests hiện lên, ta đưa hai biến T1 và

LI vào ô Test Pairs va chon Sign trong phan Test type để thực hiện kiểm định dấu

3 Nhân Ok để nhận kết quả

Kiểm định Mann-Whitney là một phương pháp kiểm định phí tham số được sử dụng để so sánh hai nhóm độc lập với nhau Nó được sử dụng để kiểm tra xem liệu có

sự khác biệt đáng kế giữa hai nhóm trong biến phụ thuộc hay không khi biến phụ

thuộc là liên tục hoặc thứ tự Cách thực hiện kiểm định Mann-Whitney nhu sau: 1.Sap xép tất cả các giá trỊ của biến phụ thuộc tử bé đến lớn

2 Gán thứ tự cho các giá trị này, bắt đầu từ I cho giá trị nhỏ nhất và tiếp tục

đến n cho giá trị lớn nhất

3 Tính tông thứ tự của các giá trị trong mỗi nhóm

4 So sánh tông thứ tự của hai nhóm để xác định xem liệu có sự khác biệt đáng

kế giữa hai nhóm hay không

Kiểm định Tukey-Kramer là một phương pháp kiểm định bố sung cho phân tích ANOVA Nó được sử dụng để so sánh tất cả các cặp trung bình của các nhóm trong một thí nghiệm Phương pháp này giúp xác định xem liệu có sự khác biệt đâng

kế giữa các cặp trung bình hay không Cách thực hiện kiểm định Tukey-Kramer như sau:

1 Tính toán khoảng cách tuyệt đối giữa các trung bình

2 Tính toán giá trị Q

3 Tính toán khoảng cách tuyệt đối tối thiểu giữa các trung bình

4 So sánh khoảng cách tuyệt đối tối thiểu với khoảng cách tuyệt đối của từng cặp trung bình Nếu khoảng cách tuyệt đối của một cặp trung bình lớn hơn khoảng cách tuyệt đối tối thiểu, thì ta có thê kết luận rằng có sự khác biệt đáng kể giữa hai trung bình này

PHAN TICH VA TRINH BAY KET QUA

BUOC 1 QUAN SAT DU LIEU ANOVA

1 Hién thi dir ligu ANOVA dang thé

2 Phân tích mô tả và thăm đò tổng quát dữ liệu ANOVA

Với biên nguyên nhân là lunch, precourse và bien ket qua la mathscore

2.1 Quan sát phân phối của dữ liệu

@ pnorm mathscore

Các điềm nắm sắt v6i dwong thang => xap xi chuan

® qnorm mat(hscore

Các điểm năm trên đường thăng => dữ liệu này chuẩn

e histogram mathscore

e Kdensity mathscore, normal

3 QUAN SAT DU LIEU THEO NHOM

Cach 1:

- graph box mathscore, over (lunch)

- graph box mathscore, over (precourse)

graph box mathscore, over (lunch) over (precourse)

tabstat mathscore, stat (nm mean sd var) by (lunch)

Summary for variables: mathscore

Group variable: lunch (lunch)

Means, Standard Deviations and Frequencies of math score

4 Vẽ đồ thị trung bình của các mẫu con

- anova mathscore precourse lunch precourse# lunch

BUOC 2: THUC HIEN PHAN TICH ANOVA TRONG STATA

hist mathscore, normal (bin=10, start=0, width=9.7)

kdensity mathscore , normal

graph box math, over (lunch)

BƯỚC 3 KIÊM ĐỊNH CÁC GIÁ ĐỊNH

*1 Kiểm định tính độc lập

tabulate mathscore gender, chi2

p_value = 0.817 > 0.05 nên ta có thê kết luận rằng 2 biến này độc lập Nghĩa là không

có mối quan hệ giữa biến mathscore và biến gender

tabulate mathscore race, chi2

p_value = 0.526 > 0.05 nén ta có thê kết luận rằng 2 biến này độc lập Nghĩa là không

có mối quan hệ giữa biến mathscore và biến race

tabulate mathscore edu, chi2

p_value = 0.037 < 0.05 nên ta có thê kết luận rằng 2 biến này không độc lập Nghĩa là

có mối quan hệ giữa biến mathscore và biến edu

tabulate mathscore lunch, chi2

p_value = 0.407 > 0.05 nén ta cé thê kết luận rằng 2 biến này độc lập Nghĩa là không

có mối quan hệ giữa biến mathscore và biến lunch

tabulate mathscore precourse, chi2

p_value = 0.356 > 0.05 nén ta có thê kết luận rằng 2 biến này độc lập Nghĩa là không

có mối quan hệ giữa biến mathscore và biến precourse

*2, Kiểm định các tổng thê xấp xỉ phân phối chuẩn

histogram mathscore , by(gender) normal

pnorm mathscore if gender ==

Biểu đồ Pnorm cho ta thấy những giá trị quan sát đa phần không nằm trên đường thắng kỳ vọng của phân phối chuân do đó biến marthseore không có tuân theo phân bố chuẩn

twoway (kdensity mathscore if gender=—0)(kdensity y if gender==1), legend(off)

Sử dụng kiểm định

*3, Tính đồng nhất của phương sai (phương sai sai số không đổi) tabstat mathscore, by(gender) stat(n mean sd var)

3.1 Kiểm định Fmax

25858 _

258.0016 ~ 1-002241847

df = (k: n-1) = (2; 99)

Fmax =

Fmax < F(2; 99;0.05) > Chấp nhận H 0 nghĩa là phương sai đồng nhất

3.2 Kiém dinh Bartlett

p value =0.994 >a Chấp nhận H 0 nghĩa là phương sai đồng nhất

Gia tri WO chinh là giá trị kiém dinh ctia Levene

p_value = 0.32692371 > « > Chap nhan H 0 nghĩa là phương sai đồng nhất BƯỚC 4: KIÊM ĐỊNH THỰC HIEN SAU ANOVA

BƯỚC 5 NĂNG LỰC KIÊM ĐỊNH VÀ CỠ MẪU (Power & Sample Size)