Académique Documents
Professionnel Documents
Culture Documents
1 2 3 k
Όπου Yi j είναι η i παρατήρηση της j ομάδας
𝑌11 𝑌12 𝑌13 … 𝑌1𝑘
𝑌21 𝑌22 𝑌23 … 𝑌2𝑘
𝑌31 𝑌32 𝑌33 … 𝑌3𝑘
. . . … .
. . . … .
. . . … .
𝑌𝑛 1 1 𝑌𝑛 2 2 𝑌𝑛 3 3 … 𝑌𝑛 𝑘 𝐾
nj
Σύνολα T1 …
T 2 T 3 T k
ij
T T Y = άθροισμα των παρατηρήσεων της j στήλης
j
i 1
Μέσοι Y1 Y 2 Y 3 Y k Y T j
Y j = αριθμητικός μέσος της j στήλης
nj
όροι
k k nj
k
T
Y = αριθμητικός μέσος όλων των παρατηρήσεων και N n j .
N j 1
όπου j είναι ο μέσος όρος του πληθυσμού της j ομάδας και eij είναι το
σφάλμα (error), για i 1,..., n j και j 1,..., k .
Με τον όρο σφάλμα δεν εννοούμε κάποια λανθασμένη μέτρηση η εκτίμηση αλλά
τη μη ελεγχόμενη διακύμανση που υπάρχει στον πληθυσμό. Λύνοντας την (1)
ως προς eij έχουμε
k
1
j (3)
k j 1
Με την ίδια λογική που το 𝑌𝑖𝑗 διαφέρει από το j μπορούμε να υποθέσουμε ότι
το j διαφέρει από το κατά ένα ποσό
j j (4)
που εκφράζει την επίδραση (effect) του γεγονότος ότι το j υπολογίστηκε από
τις παρατηρήσεις της j ομάδας.
j j (5)
•𝛨0 : 𝜇1 = 𝜇2 = 𝜇3
•𝛨1 : 𝜇1 ≠ 𝜇2
• ή 𝜇1 ≠ 𝜇3
•ή 𝜇2 ≠ 𝜇3
30
ΠΑΡΑΔΕΙΓΜΑ ΑΝΑΛΥΣΗΣ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΕΝΑΝ ΠΑΡΑΓΟΝΤΑ (ONE WAY ANOVA)
Έλεγχος προϋποθέσεων εφαρμογής του μοντέλου
ως εξής εξής:
38
ΠΑΡΑΔΕΙΓΜΑ ΑΝΑΛΥΣΗΣ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΕΝΑΝ ΠΑΡΑΓΟΝΤΑ (ONE WAY ANOVA)
Η εφαρμογή του μοντέλου
επιλέγουμε διαδοχικά:
Πάντειο Πανεπιστήμιο
Κοινωνικών και Πολιτικών
Επιστημών
► Analyze
► Compare Means
► One Way Anova
επιλέγουμε τα ακόλουθα:
επιλέγουμε τα ακόλουθα:
Στο παράδειγμά μας ο πίνακας ANOVA υπολογίστηκε όπως παρακάτω Κοινωνικών και Πολιτικών
Επιστημών
Κατόπιν εισάγουμε την εξαρτημένη μεταβλητή στο πλαίσιο Dependent List και
τις ανεξάρτητες στο πλαίσιο Factor List, ενώ από το κουμπί εντολής Plots
επιλέγουμε “Normality Plots with tests” και “Power Estimation”.
Στη συνέχεια μέσω της εντολής “Continue” μεταφερόμαστε στο αρχικό
παράθυρο της εντολής Explore. Προσοχή, προκειμένου να παρέμβουμε στην
εντολή κάνουμε κλικ στο κουμπί Paste (αντί στο κουμπί OK) και εμφανίζεται το
παρακάτω παράθυρο Syntax1 όπου μας δίνεται η δυνατότητα να
τροποποιήσουμε την εντολή ΠΜΣ Τμήματος Ψυχολογίας Παντείου Πανεπιστημίου
78 Μεθοδολογία έρευνας και στατιστική
ΠΑΡΑΔΕΙΓΜΑ ΑΝΑΛΥΣΗΣ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΠΑΡΑΓΟΝΤΕΣ (ΤWO WAY ANOVA)
Έλεγχος προϋποθέσεων εφαρμογής του μοντέλου
83
ΠΑΡΑΔΕΙΓΜΑ ΑΝΑΛΥΣΗΣ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΠΑΡΑΓΟΝΤΕΣ (TWO WAY ANOVA)
Η εφαρμογή του μοντέλου
Eπιλέγουμε διαδοχικά:
Πάντειο Πανεπιστήμιο
Κοινωνικών και Πολιτικών
Επιστημών
► Analyze
► General Linear Model
► Univariate
Η στήλη «Partial Eta Squared» δίνει τους δείκτες η2 για το μέγεθος της
επίδρασης. Αναφέρουμε τους δείκτες αυτούς μόνον όταν το κριτήριο F
είναι στατιστικά σημαντικό. Στο παράδειγμά μας, διαπιστώνουμε ότι το
2
17,5% (η =0,175) της διασποράς των τιμών της σχολικής επάρκειας
μπορεί να αποδοθεί στη στατιστική επίδραση της μετανάστευσης και το
3
0.4% (η =0,004) στην επίδραση της αντιξοότητας. Επίσης, το 10.4%
4
(η =0.104) της διασποράς της σχολικής επάρκειας μπορεί να αποδοθεί
στην αλληλεπίδραση της μετανάστευσης με το επίπεδο αντιξοότητας. Οι
τιμές αυτές δηλώνουν πολύ χαμηλό
88 μέγεθος επίδρασης ΠΜΣ Τμήματος Ψυχολογίας Παντείου Πανεπιστημίου
Μεθοδολογία έρευνας και στατιστική
ΠΑΡΑΔΕΙΓΜΑ ΑΝΑΛΥΣΗΣ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΑΡΑΓΟΝΤΕΣ (TWO WAY ANOVA)
Τα αποτελέσματα της μεθόδου
Πάντειο Πανεπιστήμιο
Κοινωνικών και Πολιτικών
Επιστημών
Όπως φαίνεται στο σχήμα, οι γηγενείς Έλληνες έφηβοι με μέτριο και υψηλό
επίπεδο αντιξοότητας σημείωσαν υψηλότερο μέσο όρο σχολικής επάρκειας από
ό,τι οι μετανάστες/παλιννοστούντες με αντίστοιχο επίπεδο αντιξοότητας.
Αντίθετα, οι μετανάστες/παλιννοστούντες με αντίστοιχο χαμηλό επίπεδο
αντιξοότητας σημείωσαν υψηλότερο μέσο όρο σχολικής επάρκειας από ό,τι οι
γηγενείς Έλληνες μαθητές 98
ΠΜΣ Τμήματος Ψυχολογίας Παντείου Πανεπιστημίου
Μεθοδολογία έρευνας και στατιστική