Friday, 17 March 2017

Wie Man Manova In Stata Forex Ausführt


Einweg-MANOVA in SPSS-Statistik Einleitung Die einseitige multivariate Varianzanalyse (Einweg-MANOVA) wird verwendet, um festzustellen, ob es Unterschiede zwischen unabhängigen Gruppen auf mehr als einer kontinuierlichen abhängigen Variablen gibt. In dieser Hinsicht unterscheidet sie sich von einer Einweg-ANOVA. Die nur eine abhängige Variable misst. Zum Beispiel könnten Sie eine Einweg-MANOVA verwenden, um zu verstehen, ob es Unterschiede in der Wahrnehmung von Attraktivität und Intelligenz von Drogenkonsumenten in Filmen gibt (dh die beiden abhängigen Variablen sind Wahrnehmungen von Attraktivität und Wahrnehmung von Intelligenz, während die unabhängige Variable ist Droge Benutzer in Filmen, die drei unabhängige Gruppen hat: Nicht-User, Experimentator und reguläre Benutzer). Alternativ könnten Sie mit einer Einweg-MANOVA verstehen, ob es Unterschiede in der kurz - und langfristigen Faktensituation der Studierenden gibt, die auf drei verschiedenen Längen der Vorlesung basieren (dh die beiden abhängigen Variablen sind Kurzzeitgedächtnis - Wobei die unabhängige Variable eine Vorlesungsdauer ist, die vier unabhängige Gruppen aufweist: 30 Minuten, 60 Minuten, 90 Minuten und 120 Minuten). Wenn Sie über zwei unabhängige Variablen verfügen, können Sie stattdessen eine doppelte MANOVA ausführen. Es ist wichtig zu erkennen, dass die Einweg-MANOVA eine Omnibustest-Statistik ist und nicht sagen kann, welche spezifischen Gruppen sich signifikant voneinander unterscheiden. Sie sagt nur, dass mindestens zwei Gruppen unterschiedlich waren. Da Sie drei, vier, fünf oder mehr Gruppen in Ihrem Studiendesign haben können, ist es wichtig, festzulegen, welche dieser Gruppen voneinander abweichen. Sie können dies mit einem Post-hoc-Test (N. B. wir diskutieren Post-hoc-Tests später in diesem Leitfaden). In dieser Kurzanleitung zeigen wir Ihnen, wie Sie eine One-Way-MANOVA mit SPSS Statistics ausführen und die Ergebnisse aus diesem Test interpretieren und melden können. Da die Einweg-MANOVA häufig mit Post-hoc-Tests verfolgt wird, zeigen wir Ihnen auch, wie Sie diese mit SPSS Statistics ausführen können. Bevor wir Ihnen dieses Verfahren vorstellen, müssen Sie jedoch die unterschiedlichen Annahmen, die Ihre Daten erfüllen müssen, verstehen, damit für eine einfache MANOVA ein gültiges Ergebnis vorliegt. Wir diskutieren diese Annahmen als nächstes. SPSS Statistics Annahmen Wenn Sie Ihre Daten mithilfe einer einseitigen MANOVA analysieren wollen, müssen Sie sicherstellen, dass die Daten, die Sie analysieren möchten, mit einer Einweg-MANOVA analysiert werden können. Sie müssen dies tun, weil es nur angemessen ist, eine Einweg-MANOVA zu verwenden, wenn Ihre Daten neun Annahmen übergeben, die für eine Einweg-MANOVA erforderlich sind, um Ihnen ein gültiges Ergebnis zu geben. Seien Sie nicht überrascht, wenn bei der Analyse Ihrer eigenen Daten mit SPSS Statistics eine oder mehrere dieser Annahmen verletzt werden (d. H. Nicht erfüllt). Dies ist nicht selten bei der Arbeit mit realen Daten. Aber auch wenn Ihre Daten bestimmte Annahmen nicht bestehen, gibt es oft eine Lösung, um diese zu überwinden. In der Praxis führt die Überprüfung dieser neun Annahmen zu mehr Zeit für Ihre Analyse und erfordert, dass Sie bei der Analyse zusätzliche Prozeduren in SPSS Statistics durchführen und darüber hinaus ein wenig mehr über Ihre Daten nachdenken. Diese neun Annahmen sind nachfolgend dargestellt: Annahme 1: Ihre zwei oder mehr abhängigen Variablen sollten im Intervall oder Verhältnis-Niveau gemessen werden (d. H. Sie sind kontinuierlich). Beispiele für Variablen, die dieses Kriterium erfüllen, umfassen die Revisionszeit (gemessen in Stunden), die Intelligenz (gemessen unter Verwendung des IQ-Scores), die Prüfungsleistung (gemessen von 0 bis 100), das Gewicht (in kg) und so weiter. Sie können mehr über Intervall - und Verhältnisvariablen in unserem Artikel erfahren: Arten von Variablen. Annahme 2: Ihre unabhängige Variable sollte aus zwei oder mehr kategorischen bestehen. Unabhängigen Gruppen. Beispiel unabhängige Variablen, die dieses Kriterium erfüllen, umfassen Ethnizität (z. B. 3 Gruppen: Kaukasier, Afroamerikaner und Hispanoamerikaner), körperliche Aktivität (zB 4 Gruppen: sesshaft, niedrig, mäßig und hoch), Beruf (zB 5 Gruppen: Chirurg, Arzt, Krankenschwester) , Zahnarzt, Therapeut) und so weiter. Annahme 3: Sie sollten die Unabhängigkeit der Beobachtungen haben. Was bedeutet, dass es keine Beziehung zwischen den Beobachtungen in jeder Gruppe oder zwischen den Gruppen selbst gibt. Beispielsweise müssen in jeder Gruppe unterschiedliche Teilnehmer vorhanden sein, wobei kein Teilnehmer mehr als eine Gruppe hat. Dies ist eher eine Studie Design-Problem als etwas, das Sie testen können, aber es ist eine wichtige Annahme der One-Way-MANOVA. Annahme 4: Sie sollten eine ausreichende Stichprobengröße haben. Je größer Ihre Stichprobengröße, desto besser für MANOVA, müssen Sie mehr Fälle in jeder Gruppe haben als die Anzahl der abhängigen Variablen, die Sie analysieren. Annahme 5: Es gibt keine univariaten oder multivariaten Ausreißer. Zuerst kann es keine (univariate) Ausreißer in jeder Gruppe der unabhängigen Variablen für jede der abhängigen Variablen geben. Dies ist eine ähnliche Annahme für die Einweg-ANOVA, sondern für jede abhängige Variable, die Sie in Ihrer MANOVA-Analyse haben. Univariate Ausreißer werden oft nur Ausreißer genannt und sind die gleiche Art von Ausreißern, auf die Sie stoßen, wenn Sie t-Tests oder ANOVAs durchgeführt haben. Wir bezeichnen sie als univariate in dieser Anleitung, um sie von multivariaten Ausreißern zu unterscheiden. Multivariate Ausreißer sind Fälle, die eine ungewöhnliche Kombination von Scores auf den abhängigen Variablen aufweisen. In unserem erweiterten Einweg-MANOVA-Guide zeigen wir Ihnen, wie Sie: (1) univariate Ausreißer mit Boxplots erkennen. Die Sie mit SPSS Statistics tun können, und diskutieren einige der Optionen, die Sie haben, um mit Ausreißern umzugehen und (2) auf multivariate Ausreißer mit einer Maßnahme namens Mahalanobis Abstand zu überprüfen. Die Sie auch mit SPSS Statistics tun können, und diskutieren, was Sie tun sollten, wenn Sie irgendwelche haben. Annahme 6: Es gibt multivariate Normalität. Leider ist die multivariate Normalität eine besonders heikle Annahme zum Testen und kann nicht direkt in SPSS Statistics getestet werden. Stattdessen wird die Normalität jeder der abhängigen Variablen für jede der Gruppen der unabhängigen Variablen oft an ihrer Stelle als eine beste Vermutung verwendet, ob es eine multivariate Normalität gibt. Sie können dies mit dem Shapiro-Wilk-Test der Normalität testen. Die leicht für die Verwendung von SPSS Statistics getestet werden kann. Zusätzlich dazu, wie Sie das in unserem erweiterten One-Way-MANOVA-Handbuch vornehmen können, erklären wir Ihnen, was Sie tun können, wenn Ihre Daten diese Annahme nicht bestehen. Annahme 7: Es gibt eine lineare Beziehung zwischen jedem Paar abhängiger Variablen für jede Gruppe der unabhängigen Variablen. Wenn die Variablen nicht linear verwandt sind, wird die Leistung des Tests reduziert. Sie können diese Annahme testen, indem Sie für jede Gruppe der unabhängigen Variablen eine Streudiagrammmatrix aufzeichnen. Dazu müssen Sie Ihre Datei in SPSS Statistics teilen, bevor Sie die Scatterplot-Matrizen erzeugen. Annahme 8: Es gibt eine Homogenität von Varianz-Kovarianzmatrizen. Sie können diese Annahme in SPSS Statistics mit Boxs M Test der Gleichheit der Kovarianz testen. Wenn Ihre Daten diese Annahme nicht bestehen, müssen Sie möglicherweise auch SPSS Statistics verwenden, um den Levenes-Test der Homogenität der Varianz durchzuführen, um festzustellen, wo das Problem liegen könnte. Wir zeigen Ihnen, wie Sie diese Tests mit SPSS Statistics in unserem erweiterten One-way MANOVA Guide durchführen und darüber diskutieren können, wie Sie mit Situationen umgehen können, in denen Ihre Daten diese Annahme nicht bestehen. Annahme 9: Es gibt keine Multikollinearität. Idealerweise möchten Sie, dass Ihre abhängigen Variablen mäßig miteinander korreliert werden. Wenn die Korrelationen niedrig sind, können Sie besser davon abhängen, getrennte Einweg-ANOVAs auszuführen, und wenn die Korrelation (en) zu hoch sind (größer als 0,9), könnten Sie Multikollinearität haben. Dies ist für MANOVA problematisch und muss ausgesondert werden. Obwohl es viele verschiedene Methoden gibt, diese Annahme zu testen, führen wir Sie in unserem verbesserten One-Way-MANOVA-Guide durch eine der einfachsten Methoden mit SPSS Statistics und erklären, was Sie tun können, wenn Ihre Daten diese Annahme nicht bestehen. Sie können die Annahmen 5, 6, 7, 8 und 9 mit SPSS Statistics überprüfen. Bevor Sie dies tun, sollten Sie sicherstellen, dass Ihre Daten die Annahmen 1, 2, 3 und 4 erfüllen, obwohl Sie keine SPSS Statistics benötigen, um dies zu tun. Denken Sie daran, dass die Ergebnisse, die Sie beim Ausführen einer Einweg-MANOVA erhalten, möglicherweise nicht gültig sind, wenn Sie die statistischen Tests auf diesen Annahmen nicht korrekt ausführen. Aus diesem Grund widmen wir einer Reihe von Abschnitten unseres erweiterten Mehrfachregressionshandbuchs, um Ihnen zu helfen, dieses Recht zu erhalten. Informieren Sie sich hier über unsere verbesserten Inhalte als Ganzes. Oder genauer, lernen, wie wir helfen, mit Testen Annahmen hier. Im Abschnitt Verfahren. Veranschaulichen wir das SPSS-Statistikverfahren, um eine Einweg-MANOVA durchzuführen, wobei angenommen wird, dass keine Annahmen verletzt worden sind. Zuerst beschreiben wir das Beispiel, das wir verwenden, um das Einweg-MANOVA-Verfahren in SPSS Statistics zu erläutern. Einweg-ANOVA mit Stata Einleitung Die Einweganalyse der Varianz (ANOVA) wird verwendet, um zu bestimmen, ob der Mittelwert einer abhängigen Variablen ist Das gleiche in zwei oder mehr unabhängigen Gruppen. Allerdings wird es in der Regel nur verwendet, wenn Sie drei oder mehr unabhängige Gruppen haben, da ein unabhängiger Stichproben-t-Test häufiger verwendet wird, wenn Sie nur zwei Gruppen haben. Wenn Sie über zwei unabhängige Variablen verfügen, können Sie eine Zweiweg-ANOVA verwenden. Zum Beispiel können Sie eine einseitige ANOVA verwenden, um zu bestimmen, ob die Prüfungsleistung aufgrund der Testangstniveaus unter den Studenten unterschiedlich war (dh Ihre abhängige Variable wäre die Prüfungsleistung, gemessen von 0-100, und Ihre unabhängige Variable wäre Testangstniveaus, Die drei Gruppen hat: Studenten mit niedrigem Stress, mittelstarke Studenten und hochbeanspruchte Studenten). Alternativ könnte eine Einweg-ANOVA verwendet werden, um zu verstehen, ob es einen Unterschied im Gehalt auf der Grundlage der Grad-Typ (dh Ihre abhängige Variable wäre Gehalt und Ihre unabhängige Variable wäre Grad-Typ, der fünf Gruppen: Business Studies, Psychologie, Biowissenschaften, Ingenieurwesen und Recht). Wenn es einen statistisch signifikanten Unterschied zwischen den Gruppen gibt, ist es möglich, zu bestimmen, welche spezifischen Gruppen signifikant voneinander unter Verwendung von Post-hoc-Tests waren. Sie müssen diese Post-hoc-Tests durchführen, weil die Einweg-ANOVA ist ein Omnibus-Test und kann Ihnen nicht sagen, welche spezifischen Gruppen waren signifikant voneinander unterscheiden, es nur sagt Ihnen, dass mindestens zwei Gruppen unterschiedlich waren. Diese Kurzanleitung zeigt Ihnen, wie Sie eine Einweg-ANOVA mit Post-hoc-Tests mit Stata ausführen können und wie Sie die Ergebnisse aus diesem Test interpretieren und melden können. Bevor wir Ihnen dieses Verfahren vorstellen, müssen Sie jedoch die unterschiedlichen Annahmen verstehen, die Ihre Daten erfüllen müssen, damit für eine einseitige ANOVA ein gültiges Ergebnis erzielt werden kann. Wir diskutieren diese Annahmen als nächstes. Annahmen Es gibt sechs Annahmen, die die Einweg-ANOVA untermauern. Wenn eine dieser sechs Annahmen nicht erfüllt ist, können Sie Ihre Daten nicht mit einer einseitigen ANOVA analysieren, da Sie kein gültiges Ergebnis erhalten. Da sich die Annahmen 1, 2 und 3 auf das Studiendesign und die Wahl der Variablen beziehen, können sie nicht auf die Verwendung von Stata getestet werden. Allerdings sollten Sie entscheiden, ob Ihre Studie erfüllt diese Annahmen, bevor Sie fortfahren. Annahme 1: Ihre abhängige Variable sollte auf der kontinuierlichen Ebene gemessen werden. Beispiele für solche kontinuierlichen Variablen sind die Höhe (gemessen in Fuß und Inch), die Temperatur (gemessen in degC), das Gehalt (gemessen in US-Dollar), die Revisionszeit (gemessen in Stunden), die Intelligenz (gemessen mit IQ-Wert), die Reaktionszeit (gemessen In Millisekunden), Testleistung (gemessen von 0 bis 100), Umsatz (gemessen in Anzahl der Transaktionen pro Monat) und so weiter. Wenn Sie nicht sicher sind, ob Ihre abhängige Variable kontinuierlich ist (d. h. auf der Intervall - oder der Verhältnisstufe), finden Sie in unseren Variablen-Typen. Wenn Ihre abhängige Variable ordinal ist, sollten Sie stattdessen einen Kruskal-Wallis H-Test ausführen. Annahme 2: Ihre unabhängige Variable sollte aus zwei oder mehr kategorischen bestehen. Unabhängigen (unabhängigen) Gruppen. Beispiele für kategorische Variablen sind das Geschlecht (zB 2 Gruppen: männlich und weiblich), Ethnizität (zB 3 Gruppen: Kaukasier, Afroamerikaner und Hispanoamerikaner), körperliche Aktivität (zB 4 Gruppen: sesshaft, niedrig, mittel und hoch) ZB 5 Gruppen: Chirurg, Arzt, Krankenschwester, Zahnarzt, Therapeut). Annahme 3: Sie sollten die Unabhängigkeit der Beobachtungen haben. Was bedeutet, dass es keine Beziehung zwischen den Beobachtungen in jeder Gruppe oder zwischen den Gruppen selbst gibt. Beispielsweise müssen in jeder Gruppe unterschiedliche Teilnehmer vorhanden sein, wobei kein Teilnehmer mehr als eine Gruppe hat. Wenn Sie keine Unabhängigkeit von Beobachtungen haben, ist es wahrscheinlich, dass Sie verwandte Gruppen haben, was bedeutet, dass Sie eine einseitig wiederholte Maßnahmen ANOVA anstelle der Einweg-ANOVA verwenden müssen. Glücklicherweise können Sie Annahmen 4, 5 und 6 mit Stata überprüfen. Wenn wir uns auf die Annahmen 4, 5 und 6 begeben, empfehlen wir, sie in dieser Reihenfolge zu testen, da sie eine Bestellung darstellt, bei der, falls ein Verstoß gegen die Annahme nicht korrigierbar ist, Sie nicht mehr in der Lage sind, eine einseitige ANOVA zu verwenden. In der Tat, nicht wundern, wenn Ihre Daten nicht eine oder mehrere dieser Annahmen, da dies ziemlich typisch ist, wenn die Arbeit mit realen Daten anstatt Lehrbuch Beispiele, die oft nur zeigen, wie Sie eine Einweg-ANOVA durchführen, wenn alles läuft gut. Jedoch sorgen Sie sich nicht, weil, selbst wenn Ihre Daten bestimmte Annahmen ausfallen, es häufig eine Lösung gibt, zum dieses zu überwinden (zB Ihre Daten zu verwandeln oder einen anderen statistischen Test anstatt zu verwenden). Denken Sie daran, dass die Ergebnisse, die Sie beim Ausführen einer Einweg-ANOVA erhalten, nicht gültig sind, wenn Sie nicht überprüfen, ob Daten diese Annahmen erfüllen oder ob Sie sie korrekt testen. Annahme 4: Es sollte keine signifikanten Ausreißer geben. Ein Ausreißer ist einfach ein einziger Fall in Ihrem Datensatz, der nicht dem üblichen Muster folgt (z. B. in einer Studie von 100 Studenten IQ Scores, wo die mittlere Punktzahl 108 mit nur einer kleinen Abweichung zwischen den Schülern war, hatte ein Schüler eine Punktzahl von 156 , Die sehr ungewöhnlich ist, und kann sogar setzen sie in die Top 1 der IQ-Scores global). Das Problem mit Ausreißern ist, dass sie einen negativen Effekt auf die Einweg-ANOVA haben können, was die Genauigkeit Ihrer Ergebnisse reduziert. Wenn Sie Stata verwenden, um eine Einweg-ANOVA auf Ihren Daten auszuführen, können Sie die möglichen Ausreißer leicht erkennen. Annahme 5: Ihre abhängige Variable sollte für jede Kategorie der unabhängigen Variablen ungefähr normal verteilt sein. Ihre Daten müssen nur annähernd normal sein, um eine Einweg-ANOVA zu betreiben, da sie sehr robust gegen Normalitätsverletzungen ist, was bedeutet, dass diese Annahme ein wenig verletzt werden kann und dennoch gültige Ergebnisse liefert. Sie können auf Normalität mit dem Shapiro-Wilk-Test der Normalität testen, die leicht für die Verwendung von Stata getestet wird. Annahme 6: Es muss Homogenität von Abweichungen bestehen. Sie können diese Annahme in Stata mit Levenes-Test für Homogenität von Varianzen testen. Levenes-Test ist sehr wichtig, wenn es darum geht, die Ergebnisse aus einer Einweg-ANOVA-Leitlinie zu interpretieren, da Stata in der Lage ist, unterschiedliche Ausgänge zu produzieren, je nachdem, ob Ihre Daten diese Annahme erfüllen oder nicht. In der Praxis wird die Überprüfung der Annahmen 4, 5 und 6 voraussichtlich die meiste Zeit in Anspruch nehmen, wenn sie eine Einweg-ANOVA durchführt. Allerdings ist es keine schwierige Aufgabe, und Stata bietet alle Werkzeuge, die Sie benötigen, um dies zu tun. Im Abschnitt Testverfahren in Stata. Veranschaulichen wir die Stata-Prozedur, die zur Durchführung einer Einweg-ANOVA unter der Annahme erforderlich ist, dass keine Annahmen verletzt wurden. Zuerst beschreiben wir das Beispiel, das wir verwenden, um das Einweg-ANOVA-Verfahren in Stata zu erklären. Ein Online-Händler will das Beste aus Mitarbeitern zu bekommen, sowie ihre Arbeitserfahrung zu verbessern. Derzeit sind Mitarbeiter des Einzelhandelsauftrags-Erfüllungszentrums nicht mit irgendeiner Art von Unterhaltung ausgestattet, während sie arbeiten (z. B. Hintergrundmusik, Fernsehen usw.). Der Einzelhändler möchte jedoch wissen, ob die Bereitstellung von Musik, die von wenigen Mitarbeitern verlangt wird, zu einer höheren Produktivität führen würde, und wenn ja, um wie viel. Daher rekrutieren die Forscher eine Stichprobe von 60 Mitarbeitern. Diese Stichprobe von 60 Teilnehmern wurde nach dem Zufallsprinzip in drei unabhängige Gruppen mit jeweils 20 Teilnehmern aufgeteilt: (a) einer Kontrollgruppe, die keine Musik hörte (b) eine Behandlungsgruppe, die Musik hörte, aber keine andere Wahl hatte Zu und (c) eine zweite Behandlungsgruppe, die Musik hörte und eine Auswahl von dem hatte, was sie hörten. Das Experiment dauerte einen Monat. Am Ende des Experiments wurde die Produktivität der drei Gruppen in bezug auf die durchschnittliche Anzahl an verarbeiteten Verpackungen pro Stunde gemessen. Daher war die abhängige Variable die Produktivität (gemessen an der durchschnittlichen Anzahl der pro Stunde verarbeiteten Packstücke während des einmonatigen Experiments), während die unabhängige Variable der Behandlungstyp war, wobei es drei unabhängige Gruppen gab: keine Musik (Kontrollgruppe), Musik - Keine Wahl (Behandlungsgruppe A) und Music - Choice (Behandlungsgruppe B). Eine Einweg-ANOVA wurde verwendet, um zu bestimmen, ob es einen statistisch signifikanten Unterschied in der Produktivität zwischen den drei unabhängigen Gruppen gab. Hinweis: Das Beispiel und die Daten, die für dieses Handbuch verwendet werden, sind fiktiv. Wir haben sie gerade für die Zwecke dieses Leitfadens erstellt. Setup in Stata In Stata haben wir die drei Gruppen für die Analyse getrennt, indem wir die unabhängige Variable erstellen. Genannt Musik. (A) 1 - Keine Musik für die Kontrollgruppe (b) ein Wert von 2 - Musik - keine Wahl für die Behandlungsgruppe, die Musik hörte, hatte aber keine Wahl, was sie hörten und (C) einen Wert von 3 - Music - Choice an die Behandlungsgruppe, die Musik hörte und eine Auswahl von dem hatte, was sie hörten, wie unten gezeigt: Veröffentlichung mit schriftlicher Genehmigung von StataCorp LP. Die Noten für die unabhängige Variable, Musik. Wurden dann in die linke Spalte der Dateneditor-Tabelle (Bearbeiten) eingegeben, während die Werte für die abhängige Variable. Produktivität. Wurden in die rechte Spalte eingetragen, wie nachfolgend dargestellt: Veröffentlichung mit schriftlicher Genehmigung der StataCorp LP. Testverfahren in Stata In diesem Abschnitt zeigen wir Ihnen, wie Sie Ihre Daten mit einer Einweg-ANOVA in Stata analysieren, wenn die sechs Annahmen im vorherigen Abschnitt, Annahmen. Nicht verletzt worden sind. Sie können eine Einweg-ANOVA mit Code oder statische grafische Benutzeroberfläche (GUI) durchführen. Nachdem Sie Ihre Analyse durchgeführt haben, zeigen wir Ihnen, wie Sie Ihre Ergebnisse interpretieren können. Wählen Sie zuerst aus, ob Sie den Code oder die grafische Benutzeroberfläche (GUI) verwenden möchten. Im ersten Abschnitt unten, wir den Code für die Durchführung einer Einweg-ANOVA. Und im zweiten Abschnitt die Post-hoc-Test, dass die Einweg-ANOVA folgt. Der gesamte Code wird, wie unten dargestellt, in die Statas-Box eingegeben: Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Einweg-ANOVA Der Code zum Ausführen einer Einweg-ANOVA auf Ihre Daten hat die Form: oneway DependentVariable IndependentVariable, tabulate Mit unserem Beispiel, bei dem die abhängige Variable Productivity ist und die unabhängige Variable Music ist. Der erforderliche Code wäre: oneway Produktivität Musik, tabellarisch Anmerkung: Sie können den Befehl oneway ausführen, ohne den Befehl tabulate an das Ende des Codes anzuhängen, aber das liefert nützliche deskriptive Statistiken (dh den Mittelwert, Standardabweichung und N) Wählen Sie es. Geben Sie den Code ein und drücken Sie die ReturnEnter-Taste auf Ihrer Tastatur. Sie können die Stata-Ausgabe sehen, die hier erzeugt wird. Wenn es einen statistisch signifikanten Unterschied zwischen Ihren Gruppen gibt, können Sie dann Post-hoc-Tests mit dem unten stehenden Code durchführen, um festzustellen, wo Unterschiede liegen. Post-hoc-Tests Es gibt viele Arten von Post-hoc-Tests, die Sie nach einer einseitigen ANOVA (z. B. Bonferroni, Sidak, Scheffe, Tukey usw.) verwenden können. Wir zeigen Ihnen den Code zum Ausführen des Tukey-Post-hoc-Tests unten, der die folgende Form hat: pwmean DependentVariable, overIndependentVariable, mcompare (tukey) - Effekte Verwenden Sie unser Beispiel, in dem die abhängige Variable Productivity ist und die unabhängige Variable Music ist. Der erforderliche Code wäre: pwmean Productivity, overMusic, mcompare (tukey) - Effekte Hinweis: Sie müssen die Einweg-ANOVA in Stata ausführen, bevor Sie Post-hoc-Tests durchführen können, oder Stata wird folgende Fehlermeldung anzeigen: Letzte Schätzungen nicht gefunden . Es reicht nicht aus, dass Ihre Datei korrekt mit den relevanten abhängigen und unabhängigen Variablen korrekt gekennzeichnet ist. Stata nicht identifizieren diese für die Zwecke der Durchführung von Post-hoc-Tests, bis Sie zum ersten Mal laufen die Einweg-ANOVA. Wenn Sie eine Fehlermeldung erhalten, müssen Sie daher die Einweg-ANOVA-Prozedur erneut ausführen und den Post-hoc-Code ein zweites Mal eingeben. Geben Sie den Code ein und drücken Sie die ReturnEnter-Taste auf Ihrer Tastatur. Sie können die Stata-Ausgabe, die aus dem Post-hoc-Test hier und die wichtigsten one-way ANOVA Verfahren hier produziert werden, sehen. Grafische Benutzeroberfläche (GUI) Im ersten Abschnitt unten haben wir den Code für die Durchführung einer Einweg-ANOVA festgelegt. Und im zweiten Abschnitt die Post-hoc-Test, dass die Einweg-ANOVA folgt. Einweg-ANOVA Wählen Sie Statistiken gt Lineare Modelle und verwandte gt ANOVAMANOVA gt Einweg-ANOVA im oberen Menü, wie unten gezeigt. Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Sie werden mit dem folgenden Oneway präsentiert - Einweganalyse der Varianz-Dialogbox: Veröffentlichung mit schriftlicher Genehmigung von StataCorp LP. Wählen Sie die abhängige Variable, Productivity. Aus dem Dropdown-Feld Antwortvariable und der unabhängigen Variablen Musik. In der Factor-Variablen: Dropdown-Feld. Aktivieren Sie im Feld ndashOutputndash die Zeile Zusammenfassung der Ergebnisübersicht, wie unten gezeigt: Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Sie können die Stata-Ausgabe sehen, die hier erzeugt wird. Wenn es einen statistisch signifikanten Unterschied zwischen Ihren Gruppen gibt, können Sie dann nach der Durchführung von Post-hoc-Tests mit dem folgenden Verfahren zu bestimmen, wo irgendwelche Unterschiede liegen. Posthoc-Tests Klicken Sie auf Statistiken gt Zusammenfassungen, Tabellen und Tests gt Zusammenfassende und beschreibende Statistiken gt Paarweise Vergleiche von Mitteln im oberen Menü, wie unten gezeigt. Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Sie werden mit dem folgenden pwmean - Paarweise Vergleiche der Mitteldialogbox präsentiert: Veröffentlicht mit der schriftlichen Erlaubnis von StataCorp LP. Wählen Sie die abhängige Variable, Productivity. Aus dem Dropdown-Feld Variable: und der unabhängigen Variable Music. Aus dem Dropdown-Feld Über: aus. Als nächstes wählen Sie den Post-hoc-Test aus dem Dropdown-Feld Mehrere Vergleichsanpassungen aus, wie unten gezeigt: Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Hinweis: Sie müssen die Einweg-ANOVA in Stata ausführen, bevor Sie Post-hoc-Tests durchführen können, oder Stata zeigt eine Fehlermeldung. Es reicht nicht aus, dass Ihre Datei korrekt mit den relevanten abhängigen und unabhängigen Variablen korrekt gekennzeichnet ist. Stata nicht identifizieren diese für die Zwecke der Durchführung von Post-hoc-Tests, bis Sie zum ersten Mal laufen die Einweg-ANOVA. Daher, wenn Sie eine Fehlermeldung erhalten, müssen Sie die Einweg-ANOVA-Verfahren erneut ausführen und folgen Sie dann die Post-hoc-Verfahren für ein zweites Mal. Klicken Sie auf die Registerkarte, die im roten Rechteck hervorgehoben wird. Sie werden am Ende mit einem Bildschirm ähnlich dem folgenden: Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Halten Sie das Standardkonfidenzintervall, indem Sie den Wert 95 nicht im Dropdownfeld Konfidenzniveau ändern. Als nächstes wählen Sie die Option Effekte-Tabellen, die drei weitere Optionen unten öffnen wird. Schließlich markieren Sie die Show-Effekte-Tabelle mit Konfidenzintervallen und p-Werten wie unten gezeigt: Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Sie können die Stata-Ausgabe, die aus dem Post-hoc-Test hier und die wichtigsten one-way ANOVA Verfahren hier produziert werden, sehen. Ausgabe der Einweg-ANOVA in Stata Wenn Ihre Daten die Annahme 4 (dh es gab keine signifikanten Ausreißer) bestanden, war die Annahme 5 (dh Ihre abhängige Variable war annähernd normalverteilt für jede Gruppe der unabhängigen Variablen) und die Annahme 6 (dh es war Homogenität von Varianzen), die wir bereits im Abschnitt Annahmen beschrieben haben, müssen Sie nur die folgende Stata-Ausgabe für die Einweg-ANOVA interpretieren: Deskriptive Statistiken Die im roten Rechteck hervorgehobenen Beschreibungsausgaben liefern einige sehr nützliche deskriptive Statistiken , Einschließlich der mittleren Standardabweichung und der Stichprobengrößen für die abhängige Variable (Produktivität) für jede Gruppe der unabhängigen Variablen, Musik (dh keine Musik, Musik - keine Auswahl und Musikwahl) sowie, wenn alle Gruppen kombiniert sind Gesamt). Diese Zahlen sind nützlich, wenn Sie Ihre Daten beschreiben müssen. Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Einweg-ANOVA-Ergebnisse Das Stata-Ausgangssignal für die Einweg-ANOVA wird in dem roten Rechteck unten angezeigt, das angibt, ob wir einen statistisch signifikanten Unterschied zwischen unseren drei Gruppenmitteln haben. Wir können sehen, dass das Signifikanzniveau 0,0040 (p .004) ist, was unter 0,05 liegt. Und daher gibt es einen statistisch signifikanten Unterschied in der mittleren Produktivität zwischen den drei verschiedenen Gruppen der unabhängigen Variablen, Musik (d. H. No Music, Music - No Choice und Music - Choice). Das ist toll zu wissen, aber wir wissen nicht, welche der spezifischen Gruppen unterschieden. Zum Glück können wir dies in der Pairwise Vergleiche von Mitteln mit gleicher Abweichung Ausgang finden, die die Ergebnisse unserer Post-hoc-Tests enthält (siehe unten). Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Paarweise Vergleiche Ergebnisse für den Tukey-Post-hoc-Test Aus den bisherigen Ergebnissen wissen wir, dass mindestens eines der Gruppenmittel sich von den anderen Gruppenmitteln unterscheidet. Als nächstes können wir die Stata-Ausgabe unten, mit dem Titel Pairwise Vergleiche von Mitteln mit gleichen Varianzen. Um zu bestimmen, welche Gruppen voneinander verschieden sind. Betrachtet man den p-Wert (dh die Pgtt-Zeile unter der Tukey-Spalte), können wir sehen, dass es einen statistisch signifikanten Unterschied in der Produktivität zwischen der Music-Choice-Gruppe gibt, die Musik hörte (und die Wahl hatte, welche Musik sie hörten ) Und die No-Musik-Kontrollgruppe, die nicht auf Musik hörte (p 0,003). Allerdings gab es keine Unterschiede zwischen der Musik - keine Auswahlgruppe, die Musik hörte (hatte aber keine andere Wahl über die Musik, die sie hörten) und die No - Musik - Kontrollgruppe (p 0,467) oder zwischen der Music - Choice - Gruppe und Music - Keine Auswahlgruppe (p 0,072). Veröffentlicht mit schriftlicher Genehmigung von StataCorp LP. Im folgenden Abschnitt zeigen wir Ihnen, wie Sie diese Ergebnisse melden können. Anmerkung: Wir stellen die Ausgabe aus der Einweg-ANOVA oben. Da Sie jedoch Ihre Daten für die Annahmen getestet haben müssen, die wir im Abschnitt "Annahmen" erläutert haben, müssen Sie auch die Stata-Ausgabe interpretieren, die beim Testen für sie erstellt wurde. Dazu gehören: a) die Kastenplots, mit denen Sie überprüft haben, ob es bedeutende Ausreißer gab; b) die Ausgangssituation für den Shapiro-Wilk-Test der Normalität zur Ermittlung der Normalität und (c) die Ausgangsleistung für den Levenes-Test zur Homogenität von Abweichungen. Denken Sie auch daran, dass die Ausgabe, die Sie aus der Einweg-ANOVA-Prozedur (dh der Ausgabe, die wir oben besprochen haben) nicht mehr relevant ist, wenn Ihre Daten eine dieser Annahmen nicht bestanden haben, und Sie müssen den Stata-Ausgang interpretieren Produziert, wenn sie scheitern (dh dies beinhaltet verschiedene Ergebnisse). Meldung der Ausgabe der Einweg-ANOVA Wenn Sie die Ausgabe Ihrer Einweg-ANOVA melden, ist es sinnvoll, Folgendes einzubeziehen: A. Eine Einführung in die Analyse, die Sie durchgeführt haben. B. Informationen über Ihre Stichprobe (einschließlich der Anzahl der Teilnehmer in jeder Ihrer Gruppen, wenn die Gruppengrößen ungleich waren oder fehlende Werte waren). C. Eine Aussage darüber, ob es statistisch signifikante Unterschiede zwischen Ihren Gruppen gibt (einschließlich des beobachteten F-Wertes F, der Freiheitsgrade df und des Signifikanzniveaus oder genauer des 2-tailed-p-Wertes Prob gt F Es gab einen statistisch signifikanten Unterschied zwischen den Gruppen, die Ergebnisse des Tukey-Post-hoc-Tests, einschließlich des Mittelwertes (Kontrast) und Standardfehler (Std. Err.) Für jede Ihrer Gruppen sowie die relevanten 2-tailed p - Wert Prob gt t Auf der Grundlage der oben genannten Ergebnisse von Stata konnten wir die Ergebnisse dieser Studie wie folgt berichten: Eine Einweg-ANOVA wurde durchgeführt, um zu bestimmen, ob die Produktivität in einer Verpackungsanlage für Gruppen mit unterschiedlichen körperlichen Aktivitätsniveaus unterschiedlich war (N 20), Musik - keine Auswahl (n 20) und Music - Choice (n 20) Es gab einen statistisch signifikanten Unterschied zwischen den Gruppen, wie sie durch die Einweg-ANOVA bestimmt wurden (F (2,57) 6,08, S004). Ein Tukey-Post-hoc-Test zeigte, dass die Produktivität in der Music-Choice-Gruppe statistisch signifikant höher war als die No-Musik-Kontrollgruppe (8,55 2,49 Packages, p .003). Es gab jedoch keine statistisch signifikanten Unterschiede zwischen der Musik - keine Wahl und keine Musikgruppen (2,95 2,49 Pakete, S. 467) oder die Musik - Auswahl und Musik - keine Auswahlgruppen (5,6 2,49 Pakete, p .072). Zusätzlich zur Meldung der Ergebnisse wie oben kann ein Diagramm verwendet werden, um Ihre Ergebnisse visuell darzustellen. Beispielsweise können Sie dies mit Hilfe eines Balkendiagramms mit Fehlerbalken (z. B. bei denen die Fehlerbalken die Standardabweichung, Standardfehler oder 95 Konfidenzintervalle sein könnten). Dies kann es einfacher für andere, Ihre Ergebnisse zu verstehen. Darüber hinaus wird zunehmend erwartet, dass Sie zusätzlich zu Ihren Einweg-ANOVA-Ergebnissen Effektgrößen berichten. Effektgrößen sind wichtig, denn während die Einweg-ANOVA Ihnen mitteilt, ob die Unterschiede zwischen den Gruppenmitteln real sind (d. H. In der Bevölkerung unterschiedlich), zeigt sie nicht die Größe der Differenz an. Während Stata diese Effektgrößen für Sie nicht mit diesem Verfahren erzeugt, gibt es ein Verfahren in Stata, um dies zu tun.

No comments:

Post a Comment