Analisis pelbagai variasi: jenis, contoh, kaedah analisis, tujuan dan keputusan

2024 Pengarang: Howard Calhoun | [email protected]. Diubah suai terakhir: 2023-12-17 10:36

Analisis pelbagai variasi ialah gabungan pelbagai kaedah statistik yang direka bentuk untuk menguji hipotesis dan hubungan antara faktor yang dikaji dan ciri tertentu yang tidak mempunyai penerangan kuantitatif. Juga, teknik ini membolehkan anda menentukan tahap interaksi faktor dan pengaruhnya pada proses tertentu. Semua takrifan ini kedengaran agak mengelirukan, jadi mari kita memahaminya dengan lebih terperinci dalam artikel kami.

Kriteria dan jenis analisis varians

Kaedah analisis multivariat varians paling kerap digunakan untuk mencari hubungan antara pembolehubah kuantitatif berterusan dan ciri kualitatif nominal. Sebenarnya, teknik ini adalah ujian pelbagai hipotesis tentang kesamaan pelbagai sampel aritmetik. Oleh itu, ia bolehdipertimbangkan dan sebagai kriteria untuk membandingkan beberapa sampel. Walau bagaimanapun, keputusan akan sama jika hanya dua elemen digunakan untuk perbandingan. Kajian ujian-t menunjukkan bahawa teknik ini membolehkan anda mengkaji masalah hipotesis dengan lebih terperinci daripada kaedah lain yang diketahui.

Adalah mustahil juga untuk tidak menyedari hakikat bahawa beberapa jenis analisis varians adalah berdasarkan undang-undang tertentu: jumlah kuasa dua sisihan antara kumpulan dan jumlah kuasa dua sisihan antara kumpulan adalah sama sekali. Sebagai kajian, ujian Fisher digunakan, yang digunakan untuk analisis terperinci varians dalam kumpulan. Walaupun ini memerlukan prasyarat untuk kenormalan taburan, serta homoskedastisitas sampel - kesamaan varians. Bagi jenis analisis varians, berikut dibezakan:

• analisis multivariate atau multivariate;
• analisis univariate atau univariate.

Tidak sukar untuk meneka bahawa yang kedua mempertimbangkan pergantungan satu ciri dan nilai yang sedang dikaji, dan yang pertama adalah berdasarkan analisis beberapa ciri sekaligus. Di samping itu, varians multivariate tidak membenarkan anda mengenal pasti hubungan yang lebih kukuh antara beberapa elemen, kerana pergantungan beberapa nilai telah disiasat sekaligus (walaupun lebih mudah untuk menjalankan kaedah).

Faktor

Terfikir tentang kaedah analisis korelasi multivariate? Kemudian anda harus tahu bahawa untuk kajian terperinci, anda harus mengkaji faktor-faktor yang mengawal keadaan eksperimen dan mempengaruhi keputusan akhir. Juga di bawahfaktor mungkin membayangkan kaedah dan tahap nilai pemprosesan yang mencirikan manifestasi tertentu keadaan tertentu. Dalam kes ini, angka diberikan dalam sistem ukuran ordinal atau nominal. Jika terdapat masalah dengan pengumpulan data, anda perlu menggunakan nilai berangka yang sama, yang sedikit mengubah hasil akhir.

Perlu juga difahami bahawa bilangan pemerhatian dan kumpulan tidak boleh terlalu besar, kerana ini membawa kepada lebihan data dan ketidakupayaan untuk melengkapkan pengiraan. Pada masa yang sama, kaedah pengelompokan bergantung bukan sahaja pada volum, tetapi juga pada sifat variasi nilai tertentu. Saiz dan bilangan selang dalam analisis boleh ditentukan oleh prinsip frekuensi yang sama, serta selang yang sama di antara mereka. Akibatnya, semua kajian yang diterima akan disenaraikan dalam statistik analisis multivariate, yang harus berdasarkan pelbagai contoh. Kami akan kembali kepada perkara ini dalam bahagian kemudian.

Tujuan ANOVA

Jadi, kadangkala situasi mungkin timbul apabila perlu membandingkan dua atau lebih sampel yang berbeza. Dalam kes ini, adalah paling logik untuk menggunakan analisis korelasi-regresi multivariat berdasarkan kajian hipotesis dan hubungan pelbagai faktor dalam darjah regresi. Selain itu, nama teknik menunjukkan fakta bahawa pelbagai komponen varians digunakan dalam proses penyelidikan.

Apakah intipati kajian? UntukPertama, dua atau lebih penunjuk dibahagikan kepada bahagian yang berasingan, setiap satunya sepadan dengan tindakan faktor tertentu. Selepas itu, beberapa prosedur kajian dijalankan untuk mencari hubungan pelbagai sampel dan hubungan antara mereka. Untuk memahami teknik yang kompleks tetapi menarik dengan lebih terperinci, kami mengesyorkan agar anda mengkaji beberapa contoh analisis korelasi multivariate yang diberikan dalam bahagian artikel kami yang berikut.

Contoh satu

Terdapat beberapa mesin automatik di bengkel pengeluaran, setiap satunya direka untuk menghasilkan bahagian tertentu. Saiz elemen yang dihasilkan adalah pembolehubah rawak, yang bergantung bukan sahaja pada tetapan mesin itu sendiri, tetapi juga pada sisihan rawak yang pasti akan berlaku akibat pengeluaran bahagian. Tetapi bagaimana seorang pekerja boleh menentukan operasi mesin yang betul jika dia pada mulanya menghasilkan bahagian yang mempunyai kecacatan? Betul, anda perlu membeli bahagian yang sama di pasaran dan membandingkan dimensinya dengan apa yang diperoleh semasa pengeluaran. Selepas itu, anda boleh melaraskan peralatan supaya ia menghasilkan bahagian saiz yang dikehendaki. Dan tidak kira sama sekali terdapat kecacatan pembuatan, kerana ia juga diambil kira dalam pengiraan.

Pada masa yang sama, jika terdapat penunjuk tertentu pada mesin yang membolehkan anda menentukan keamatan pelarasan (paksi X dan Y, kedalaman dan seterusnya), maka penunjuk pada semua mesin akan berbeza sama sekali. Jika ukuran ternyata betul-betul sama, maka kecacatan pembuatan tidak bolehmengambil kira sama sekali. Walau bagaimanapun, ini sangat jarang berlaku, terutamanya jika ralat diukur dalam milimeter. Tetapi jika bahagian yang dilepaskan mempunyai dimensi yang sama seperti standard yang dibeli di pasaran, maka tidak ada persoalan tentang sebarang perkahwinan, kerana dalam pengeluaran "ideal" mesin juga digunakan, memberikan ralat tertentu, yang mungkin juga diambil kira oleh pekerja.

Contoh kedua

Untuk pembuatan peranti tertentu yang menggunakan tenaga elektrik, perlu menggunakan beberapa jenis kertas penebat yang berbeza: elektrik, kapasitor dan sebagainya. Di samping itu, radas boleh diresapi dengan resin, varnis, sebatian epoksi dan unsur kimia lain yang memanjangkan hayat perkhidmatan. Nah, pelbagai kebocoran di bawah silinder vakum pada tekanan tinggi mudah dihapuskan menggunakan kaedah pemanasan atau mengepam keluar udara. Walau bagaimanapun, jika tuan sebelum ini hanya menggunakan satu elemen daripada setiap senarai, pelbagai kesukaran mungkin timbul dalam proses pengeluaran menggunakan teknologi baharu. Lebih-lebih lagi, hampir pasti, keadaan sedemikian akan disebabkan oleh satu elemen. Walau bagaimanapun, hampir mustahil untuk mengira faktor yang mempengaruhi prestasi peranti yang lemah. Itulah sebabnya disyorkan untuk menggunakan bukan kaedah analisis berbilang faktor, tetapi kaedah satu faktor untuk menangani dengan cepat punca kerosakan.

Sudah tentu, apabila menggunakan pelbagai alatan dan peranti yang menjejaki pengaruh faktor tertentu padahasil akhirnya, kajian itu dipermudahkan pada masa-masa tertentu, namun, ia tidak akan mampu untuk seorang jurutera pemula untuk memperoleh unit tersebut. Itulah sebabnya disyorkan untuk menggunakan analisis varians sehala, yang membolehkan anda mengenal pasti punca masalah dalam beberapa minit. Untuk melakukan ini, sudah cukup untuk menetapkan salah satu hipotesis yang paling berkemungkinan di hadapan anda, dan kemudian mula membuktikannya melalui eksperimen dan menganalisis penunjuk prestasi peranti. Tidak lama lagi, ahli sihir akan dapat mencari punca masalah dan membetulkannya dengan menggantikan salah satu pilihan dengan alternatif.

Contoh ketiga

Satu lagi contoh analisis multivariate. Katakan depoh bas troli boleh menyediakan beberapa laluan pada siang hari. Di laluan yang sama ini, bas troli dengan jenama yang berbeza beroperasi, dan 50 pengawal berbeza mengutip tambang. Walau bagaimanapun, pengurusan depoh berminat dengan cara membandingkan beberapa penunjuk berbeza yang mempengaruhi jumlah hasil: jenama bas troli, kecekapan laluan dan kemahiran pekerja. Untuk melihat kebolehlaksanaan ekonomi, adalah perlu untuk menganalisis secara terperinci kesan setiap faktor ini terhadap keputusan akhir. Contohnya, sesetengah penyelia mungkin tidak menjalankan tugas mereka dengan baik, jadi lebih ramai pekerja yang bertanggungjawab perlu diambil bekerja. Kebanyakan penumpang tidak suka menaiki bas troli lama, jadi sebaiknya gunakan jenama baharu. Walau bagaimanapun, jika kedua-dua faktor ini seiring dengan fakta bahawa kebanyakan laluan mendapat permintaan tinggi, adakah ia bernilai sama sekali?tukar?

Tugas penyelidik adalah menggunakan satu kaedah analisis untuk mendapatkan sebanyak mungkin maklumat berguna tentang pengaruh setiap faktor terhadap keputusan akhir. Untuk melakukan ini, adalah perlu untuk mengemukakan sekurang-kurangnya 3 hipotesis yang berbeza, yang perlu dibuktikan dalam pelbagai cara. Analisis penyebaran membolehkan menyelesaikan masalah sedemikian dalam masa yang sesingkat mungkin dan mendapatkan maklumat berguna maksimum, terutamanya jika kaedah berbilang fasa digunakan. Walau bagaimanapun, perlu diingat bahawa analisis univariat memberikan lebih keyakinan dalam pengaruh faktor tertentu kerana ia memeriksa sampel dengan lebih terperinci. Contohnya, jika depoh mengarahkan semua usahanya untuk menganalisis kerja konduktor, adalah mungkin untuk mengenal pasti ramai pekerja yang tidak bertanggungjawab di semua laluan.

Analisis sehala

Analisis satu faktor ialah satu set kaedah penyelidikan yang bertujuan untuk menganalisis faktor tertentu untuk hasil akhir dalam kes tertentu. Juga, agak kerap, teknik yang sama digunakan untuk membandingkan pengaruh terbesar antara dua faktor. Jika kita membuat analogi dengan depoh yang sama, maka kita harus terlebih dahulu menganalisis secara berasingan kesan laluan dan jenama bas troli yang berbeza terhadap keuntungan, dan kemudian membandingkan hasilnya antara satu sama lain dan menentukan arah mana yang terbaik untuk membangunkan stesen itu.

Selain itu, jangan lupa tentang perkara seperti hipotesis nol - iaitu, hipotesis yang tidakboleh dibuang dan dalam apa jua keadaan ia dipengaruhi oleh semua faktor yang disenaraikan pada satu darjah atau yang lain. Walaupun kita membandingkan hanya laluan dan jenama bas troli, pengaruh profesionalisme konduktor masih tidak dapat dielakkan. Oleh itu, walaupun faktor ini tidak dapat dianalisis, pengaruh hipotesis nol tidak boleh dilupakan. Contohnya, jika anda memutuskan untuk menyiasat pergantungan keuntungan pada laluan, biarkan konduktor yang sama dalam penerbangan supaya bacaannya setepat mungkin.

Analisis dua hala

Lazimnya, teknik ini juga dipanggil kaedah perbandingan dan digunakan untuk mengenal pasti pergantungan dua faktor antara satu sama lain. Dalam amalan, anda perlu menggunakan pelbagai jadual dengan penunjuk yang tepat supaya tidak keliru dalam pengiraan anda sendiri dan pengaruh faktor padanya. Sebagai contoh, anda boleh menjalankan dua bas troli yang berbeza sepenuhnya pada dua laluan yang sama pada masa yang sama, mengabaikan faktor hipotesis nol (pilih dua konduktor yang bertanggungjawab). Dalam kes ini, perbandingan kedua-dua situasi akan menjadi kualiti tertinggi, memandangkan percubaan berlaku pada masa yang sama.

Analisis berbilang variasi dengan percubaan berulang

Kaedah ini digunakan dalam amalan lebih kerap daripada yang lain, terutamanya apabila ia melibatkan sekumpulan penyelidik baru. Pengalaman berulang membolehkan bukan sahaja untuk yakin tentang pengaruh satu atau faktor lain pada hasil akhir, tetapi juga untuk mencari kesilapan yang dibuat semasa kajian. Sebagai contoh, kebanyakan penganalisis yang tidak berpengalamanlupa tentang kehadiran satu atau lebih hipotesis nol, yang membawa kepada keputusan yang tidak tepat semasa kajian. Meneruskan contoh depot, kita boleh menganalisis pengaruh faktor tertentu dalam musim yang berbeza dalam setahun, kerana bilangan penumpang pada musim sejuk adalah sangat berbeza daripada musim panas. Selain itu, pengalaman berulang boleh membawa penyelidik kepada idea baharu dan hipotesis baharu.

Video dan kesimpulan

Kami berharap artikel kami telah membantu anda memahami kaedah analisis korelasi multivariat berdasarkan. Jika anda masih mempunyai sebarang soalan mengenai topik ini, kami mengesyorkan anda menonton video pendek. Ia menerangkan secara terperinci kaedah analisis varians menggunakan contoh khusus.

Seperti yang anda lihat, analisis multivariate adalah proses yang agak kompleks, tetapi sangat menarik yang membolehkan anda mengenal pasti pergantungan faktor tertentu pada hasil akhir. Teknik ini boleh digunakan dalam semua bidang kehidupan dan boleh digunakan dengan berkesan untuk menjalankan perniagaan. Selain itu, model analisis multivariate boleh digunakan untuk mencapai matlamat terobosan dengan kaedah mudah.