Kiểm tra thứ hạng có chữ ký của python wilcoxon

Kiểm tra danh hiệu Wilcoxon được phép kiểm tra phi tham số tương đương với bài kiểm tra phụ thuộc [kiểm tra t phụ thuộc]. Vì kiểm tra Wilcoxon không được xác định tiêu chuẩn về dữ liệu giả, nên nó có thể được sử dụng khi giả định này bị vi phạm và việc sử dụng kiểm tra phụ thuộc được phép sử dụng là không phù hợp. Nó được sử dụng để so sánh hai bộ điểm đến từ những người tham gia giống nhau. Điều này có thể xảy ra khi chúng ta muốn điều tra bất kỳ sự thay đổi nào về điểm số từ thời điểm này sang thời điểm khác hoặc khi các cá nhân phải chịu đựng nhiều hơn một điều kiện

Ví dụ. bạn có thể sử dụng bài kiểm tra Wilcoxon để biết liệu có sự khác biệt trong công việc cải thiện khả năng từ vựng tiếng Anh của học sinh tiểu học trước và sau chương trình kể chuyện với tranh ảnh hay không [nghĩa là, biến phụ thuộc]

1. When used?

This is allow try about the other other between the pair of theặp quan sát liên quan [quan sát liên quan] hoặc cặp đối sánh khớp [cặp so khớp] of the objects and are allow test phi tham số tương đương with allow test t-test links [ . Thử nghiệm Wilcoxon nên được xem xét khi các nhà nghiên cứu quan tâm đến việc so sánh hai mẫu liên quan trên vài thước đo có thể xếp hạng và khi hình dạng của dân số là không biết hoặc giả định cơ bản sử dụng phép thử

Kiểm tra Wilcoxon là một phiên bản mạnh mẽ hơn của bài kiểm tra dấu [kiểm tra dấu hiệu], bởi vì nó sử dụng thông tin về cả hướng [hướng] và độ lớn [độ lớn] của các cặp khác nhau. Khi chúng ta có thể xác định mức độ lớn của các sự khác biệt, các quan sát có thể được xếp hạng. Các bài kiểm tra tham số thường được coi là mạnh mẽ hơn so với các bài kiểm tra phi tham số nhưng điều này chỉ đúng khi các giả định lý thuyết cơ bản được giải đáp. Ít khi thừa nhận rằng các phép thử phi tham số có thể mạnh hơn các phép thử tham số trong một số cảnh giải quyết tốt nhất, ví dụ. Các bản phân phối nặng đuôi [các bản phân phối nặng], nhật ký phân phối chuẩn, và các hàm phân phối phụ, trong các trường hợp này, hãy kiểm tra Wilcoxon mạnh hơn với kiểm tra t-test liên quan

Logic làm nền tảng cho bài kiểm tra này rất đơn giản. Mục đích của bài kiểm tra là để tìm hiểu về sự phân phối của các cặp quan sát khác nhau, đó là sự phân biệt đối với mỗi cặp quan sát. Ví dụ, chúng ta có thể nghĩ đến một thiết kế nghiên cứu trước sau khi can thiệp [pre-post-test study design], trong đó mỗi cá nhân có điểm trước và sau khi can thiệp. Sự phân bổ điểm chênh lệch chênh lệch, trước sau, sẽ không đối xứng về 0, nếu phần lớn các đối tượng có sự cải thiện về điểm số sau khi có thể phát triển. Nếu đó là một số lượng bằng nhau của khác biệt âm và dương, chẳng hạn như chỉ khác biệt về cơ hội tình cờ, và những khác biệt này có mức độ lớn gần như bằng nhau, thì điều này cho thấy không có sự khác biệt.

2. Suy luận thống kê và giả thuyết vô hiệu

Giả thuyết vô hiệu được kiểm tra là trung tâm của các sự khác biệt dân số bằng 0, và rằng phân phối của các khác biệt là đối xứng về không. Nó dựa trên giả định rằng số lượng khác biệt âm và dương xảy ra tình phải cờ úp sát nhau theo từng hướng. Giả thuyết thay thế không định hướng [hai chiều] sẽ là trung vị của dân số của các biệt thự khác là 0, và giả thuyết thay thế có hướng sẽ là trung vị của dân số của các khác biệt là lớn hơn hoặc nhỏ hơn . Thử nghiệm thống kê, T, là tổng hạng mục của các cặp quan sát được chọn. Các khác biệt xếp hạng là tổng hợp riêng biệt [khác biệt tích cực và khác biệt âm], sự nhỏ hơn của hai tổng của các giá trị tuyệt vời của sự khác biệt xếp hạng là thống kê thử nghiệm T. Giá trị đủ nhỏ cung cấp bằng chứng từ bỏ giả thuyết vô hiệu. Phân phối mẫu chính xác cho T với cỡ mẫu ≤ 25 đã được xác định và đặt bảng, đối với mẫu lớn hơn thì có giá trị gần đúng chuẩn

3. Giả định kiểm tra

Khi bạn chọn phân tích dữ liệu của mình bằng cách sử dụng bài kiểm tra Wilcoxon, một phần của quy trình bao gồm công việc kiểm tra để đảm bảo rằng dữ liệu bạn muốn phân tích thực sự có thể được phân tích bằng bài kiểm tra Wilcoxon. Bạn cần phải làm điều này vì chỉ thích hợp sử dụng bài kiểm tra Wilcoxon nếu dữ liệu của bạn “vượt qua” giả định bắt buộc đối với bài kiểm tra Wilcoxon để cung cấp cho bạn kết quả hợp lệ. Ba giả định đầu tiên liên quan đến thiết kế nghiên cứu, giả định thứ tư liên quan đến phân tích dữ liệu

• Các số đo ban đầu [số đo ban đầu] trong hai mẫu có thể xếp hạng [trong thực tế có thể là Tỷ lệ, khoảng hoặc thứ tự]. Ví dụ về các biến thứ tự bao gồm các mặt hàng Likert [ví dụ. một mặt hàng 7 điểm từ “rất đồng ý” đến “hoàn toàn không đồng ý”], trong một số cách xếp hạng danh mục khác [ví dụ:. một mặt hàng 5 điểm giải thích mức độ thích một sản phẩm của khách hàng, từ “Không nhiều lắm” đến “Có, rất nhiều”]. Ví dụ về các biến liên tục[tức là các biến khoảng cách hoặc tỷ lệ] bao gồm thời gian ôn tập [đo bằng giờ], trí thông minh [đo bằng điểm IQ], thành tích thi [đo từ 0 đến 100]
• Biến độc lập phải bao gồm hai phân loại, "nhóm liên quan" [nhóm liên quan] hoặc "cặp trùng lặp" [cặp khớp]. “Các nhóm liên quan” chỉ ra rằng các đối tượng giống nhau có mặt trong cả hai nhóm. Lý do có thể có các đối tượng giống nhau trong mỗi nhóm là vì mỗi đối tượng đã được đo lường hai lần trên cùng một biến phụ thuộc. Ví dụ, bạn có thể đo lường thành tích của 10 cá nhân trong một bài kiểm tra mô tả chính [biến phụ thuộc] trước và sau khi họ trải nghiệm qua một hình thức mới của phương pháp giảng dạy trên máy tính để cải thiện chính xác. Bạn muốn biết tài liệu khóa đào tạo máy tính có cải thiện hiệu suất chính tả của họ hay không. Nhóm liên quan đầu tiên bao gồm các môn học ở giai đoạn đầu [trước] khóa đào tạo chính tả trên máy tính và nhóm liên quan thứ hai bao gồm các môn học tương tự, nhưng hiện tại đã kết thúc khóa đào tạo trên máy tính . Bài kiểm tra xếp hạng có chữ ký của Wilcoxon cũng có thể được sử dụng để so sánh các môn học khác nhau trong thiết kế nghiên cứu “cặp đôi phù hợp”, nhưng điều này không thường xuyên xảy ra
• Dữ liệu bao gồm các cặp quan sát được chọn ngẫu nhiên và mỗi cặp độc lập với các cặp khác nhau
• Sự khác biệt giữa các cặp quan sát cũng độc lập. Trên thực tế, công việc kiểm tra giả định này chỉ làm tăng thêm một chút thời gian trong bảng kê SPSS khi thực hiện phân tích, như suy nghĩ thêm một chút về dữ liệu của bạn, không phải là một nhiệm vụ khó khăn. Tuy nhiên, ngay cả khi dữ liệu của bạn không đạt được giả định này, thường có một giải pháp để giải quyết vấn đề này, chẳng hạn như chạy kiểm tra dấu [kiểm tra dấu] thay vì kiểm tra Wilcoxon

4. Tiếp tục kiểm tra hạng Wilcoxon

Thí dụ, một nhà nghiên cứu về tâm lí quan tâm đến việc sử dụng liệu pháp Thiền để cải thiện sức lực tập trung học tập của các sinh viên. Để điều tra điều này, nhà nghiên cứu tuyển 10 người tham gia [những người đang nghiên cứu về tình trạng mất tập trung học tập] vào nghiên cứu của họ. Khi bắt đầu nghiên cứu, nhà nghiên cứu yêu cầu những người tham gia đánh giá mức độ tập trung nghiên cứu của họ trên thang điểm từ 1 đến 10. Sau 4 tuần thực hiện Thiền trước học tập, những người tham gia được yêu cầu quay lại chỉ định mức tập trung học tập theo thang điểm từ 1 đến 10. Các nhà nghiên cứu muốn biết dữ liệu về mức độ tập trung học tập của những người tham gia có thay đổi sau khi họ trải nghiệm qua liệu pháp Thiền hay không, vì vậy một bài kiểm tra xếp hạng Wilcoxon đã được thực hiện

Các bước tính toán danh hiệu Wilcoxon bao gồm

i] Kiểm tra các mẫu nhỏ

1. Đối với mỗi cặp quan sát, hãy xác định điểm chênh lệch tuyệt đối. Đ.
2. Xếp hạng các đối tượng khác biệt tuyệt vời [bỏ qua dấu của sự khác biệt] và xếp hạng từ 1 với điểm nhỏ nhất. Sự khác biệt tuyệt đối,. Đ. bằng 0, tức là không có sự khác biệt giữa cặp quan sát ban đầu, không xếp hạng điểm khác biệt này [bỏ nó khỏi phân tích] và giảm mẫu cho phù hợp. Nếu hai hoặc nhiều điểm chênh lệch là điểm bằng nhau, thứ hạng chỉ được xác định cho mỗi thành viên của nhóm số điểm bằng nhau là điểm trung bình của các thứ hạng mà lẽ ra đã được ấn định có sự khác biệt không bằng nhau
3. Gán mỗi điểm khác biệt được xếp hạng hoặc +ve hoặc −ve cho biết dấu hiệu của sự khác biệt mà nó đại diện
4. T test test table. i] phản đối các mẫu nhỏ, n≤15, tổng nhỏ hơn của các chênh lệch xếp hạng theo dấu hiệu bất kể nó là + hay – [ tức thời là tổng của các chênh lệch được xếp hạng dương và tổng của chênh lệch được xếp hạng

Dữ liệu và kết quả tính toán cho ví dụ nêu trên được trình bày trong bảng 1 dưới đây

bảng 1

Trong bảng trên, chỉ có 8 đối tượng [n=8] để được phân tích [hai đối tượng không có sự khác biệt và do đó bị loại bỏ] và do đó hệ thống kiểm tra, T, là 1. 5 because here is small more than data in the two general class [trị tuyệt đối]

Trong ví dụ này, 1. 5 < 4 [giá trị tới hạn từ Bảng 2 với n = 8, kiểm tra hai phía và alpha = 0. 05] do đó, kết quả có ý nghĩa ở mức 5%. Giả thuyết vô hiệu có thể bị bác bỏ và chúng tôi kết luận rằng liệu pháp Thiền trước khi học tạo ra sự thay đổi có ý nghĩa thống kê về sức mạnh tập trung học tập của các sinh viên

bảng 2. Table value to the next system T to check the rank Wilcoxon [trong Peer, 2006]

ii] Kiểm tra mẫu lớn hơn

If n>25, should be usedước lượng gần đúng chuẩn cho mẫu lớn sau

If try two side, a value. Z. [trị tuyệt đối Z] ≥1. 96 sẽ được yêu cầu để đưa ra kết quả có ý nghĩa thống kê ở mức 5%

Trong ví dụ, kích thước để tính toán kiểm tra điểm hạng Wilcoxon là n=8, chúng tôi sẽ không áp dụng ước lượng gần đúng, nhưng ở đây chúng tôi thực hiện mang tính minh họa

Với xấp xỉ mẫu lớn, Z được đưa ra bởi các công thức chung, [quan sát – kỳ vọng] / sai số chuẩn, trong đó bảng thống kê kiểm tra quan sát được là T+, [tổng hợp các chênh lệch được xếp hạng tích cực

Changes number.

One value. Z. của 2. 311 ≥1. 96 cho thấy rằng hiệu ứng giữa liệu pháp Thiền và tập trung học lực của các sinh viên có ý nghĩa thống kê ở mức 5% của thử nghiệm hai bên.

5. Kiểm tra danh hiệu Wilcoxon trong SPSS

Các bước chạy kiểm tra xếp hạng Wilcoxon trong SPSS như sau

Bước 1. Nhấp vào Phân tích > Kiểm tra phi tham số > Hộp thoại kế thừa > 2 mẫu liên quan…

Bước 2. Trong hộp thoại Two-Related-Samples Tests, chúng ta chuyển cặp biến cần kiểm tra vào ô Test Pairs, biến Pretest vào ô Variable1, biến Posttest vào ô Variable2. Trong vùng Test Type, nhấp vào hộp Wilcoxon. Sau đó, nhấp vào nút Tùy chọn…, đánh dấu vào hộp Mô tả và Quatiles để tạo mô tả thống kê. Sau đó nhấn vào nút Tiếp tục. Cuối cùng, nhấn vào nút OK để chạy kết quả đầu ra

Read results

– Bảng thống kê mô tả [Descriptive Statistics] là nơi cung cấp các bảng thống kê mô tả và bảng thống kê tứ phân vị [tứ phân vị] cho các biến. Chúng ta có thể sử dụng kết quả từ bảng này để mô tả điểm số trước và sau khi có thể hỏi. Vì chúng ta đã sử dụng kiểm tra phi tham số, do đó chúng ta nên sử dụng thông tin tứ phân vị để mô tả cả hai nhóm của mình. Trong ví dụ này, điểm trung vị sau can [3. 00] is high better center point before can thiệp [1. 50]

– Bảng Xếp hạng [Xếp hạng] cung cấp một số dữ liệu thú vị về công việc so sánh điểm trước và điểm sau của người tham gia. Có 1 người tham gia có điểm trước khi can thiệp cao hơn so với sau khi can thiệp. Tuy nhiên, 7 người tham gia có điểm sau khi can thiệp cao hơn điểm số trước khi can thiệp. Có 2 người tham gia là điểm số không thay đổi

– Bảng thống kê kiểm tra [Test Statistics] giúp chúng ta có thể khám phá xem liệu những trị liệu bằng Thiền, nhìn chung có dẫn đến sự khác biệt có ý nghĩa thống kê về cải thiện khả năng tập trung học tập của các sinh viên hay không . Tra bảng phân phối Z ở mức nghĩa là 5% để xem Z tới hạn [1. 96], Z value value is -2. 372 [trị tuyệt đối Z > 1. 96] and has the value p contact is 0. 018 < 0. 05. Điều này có nghĩa là giả thuyết vô hiệu bị bác bỏ ở mức 5%. Chúng ta kết luận rằng liệu pháp Thiền trước khi học tạo ra sự thay đổi có ý nghĩa thống kê về sức học tập trung học tập của các sinh viên [Z=-2. 372, p=0. 018]

Nói chung, kết quả kiểm tra Z trong tính tay và phân tích SPSS là không khác biệt, sự khác biệt hơi ít có thể là làm mẫu nhỏ và trộn xấp xỉ