Section author: Sebastian Jentschke

எச்.பி.எச்.எச் முதல் சாமோவி வரை: இணை மாதிரிகளுக்கான டி-சோதனை

இந்த ஒப்பீடு SPSS மற்றும் சாமோவியில் சுயாதீன மாதிரிகளுக்கான டி-சோதனை எவ்வாறு செய்யப்படுகிறது என்பதைக் காட்டுகிறது. முதல் படியாக, இணை மாதிரிகளுக்கான டி-சோதனையின் அடிப்படையிலான புள்ளிவிவரங்களின் கணக்கீட்டை இது நிரூபிக்கிறது. இந்த கணக்கீட்டைப் பொறுத்தவரை, முதலாவதாக, இந்த தனிப்பட்ட சராசரிகளின் சராசரி முழு குழுவிற்கும் கணக்கிடப்படுவதற்கு முன்பு ஒவ்வொரு நபருக்கும் சராசரியாக குறும்புத்தனமான செயல்களின் எண்ணிக்கை கணக்கிடப்படுகிறது. அந்த குழு சராசரிக்கு தனிநபர் சரிசெய்யப்படுகிறார். இந்த கணக்கீட்டின் நோக்கம், மீண்டும் மீண்டும் அளவீடுகளைப் பயன்படுத்துவதன் மூலம், செயல்திறனில் தனிப்பட்ட வேறுபாடுகளால் ஏற்படும் மாறுபாட்டின் சில விகிதத்திற்கு ஒருவர் "கட்டுப்படுத்த முடியும்". இது தொடர்பாக, சராசரியின் நிலையான பிழை சிறியதாகிறது (இதன் பொருள் விளைவுகள் எளிதாக மாறக்கூடும் (பாடங்களுக்கு இடையிலான வடிவமைப்போடு ஒப்பிடும்போது). இது புலத்தின் 10.9.2 இல் விவரிக்கப்பட்டுள்ளது (2017)

இது தரவுத் தொகுப்பைப் பயன்படுத்துகிறது ** கண்ணுக்குத் தெரியாத rm.sav ** <https://edge.sagepub.com/field5e/student-resources/datasets> ____. ஒவ்வொரு பங்கேற்பாளருக்கும் (மாறி no_cloak`) ஒரு“ அடிப்படை ”-தவறான செயல்களின் எண்ணிக்கை (ஒரு வாரத்தில்) தீர்மானிக்கப்படுகிறது, அவை கண்ணுக்கு தெரியாத ஒரு ஆடை ஒப்படைக்கப்படுவதற்கு முன்பு, அவை மீண்டும் மீண்டும்-அளவீடுகள்-வடிவமைப்பை விவரிக்கிறது. ஆடைகளைப் பெற்ற பிறகு, அடுத்த வாரத்தில் (மாறி `` ஆடை``) குறும்புத்தனமான செயல்களின் எண்ணிக்கை பதிவு செய்யப்படுகிறது, இதன் போது அவை தங்களை கண்ணுக்கு தெரியாததாக ஆக்குகின்றன (இது செய்த தவறான செயல்களின் எண்ணிக்கையை அதிகரிப்பதாக கருதப்படுகிறது).

SPSS	jamovi
SPSS இல் நீங்கள் பயன்படுத்தி மாறிகளை உருவாக்கலாம்: `` உருமாற்றம்`` `` கணக்கிடு மாறி ... `	சாமோவியில் நீங்கள் இதைப் பயன்படுத்தி இதைச் செய்கிறீர்கள்: `` தரவு`` (தாவல்) → `` கம்ப்யூட்```
SPSS மற்றும் சமோவியில், `` No_Cloak`` மற்றும் `` ஆடை` ஆகிய இரண்டு நெடுவரிசைகளின் சராசரியை `` சராசரி (NO_CLOAK, ஆடை) `` (கீழே உள்ள படங்களில் காட்டப்பட்டுள்ளபடி) பயன்படுத்துவதன் மூலம் கணக்கிடலாம். மாற்றாக, கிடைக்கக்கூடிய செயல்பாடுகளிலிருந்து சராசரியைக் கணக்கிடுவதற்கான செயல்பாட்டை நீங்கள் தேர்வு செய்யலாம் (அந்த செயல்பாடுகளைத் தேர்ந்தெடுக்கக்கூடிய உள்ளீட்டு சாளரத்தைத் திறக்க சாமோவியில் `` fx`` ஐ அழுத்தவும்).
இப்போது இரண்டு நிபந்தனைகளின் (`` no_cloak`` மற்றும் `` ஆடை``) தனிப்பட்ட வழிமுறைகளுக்கு குழு சராசரியைக் கணக்கிட விரும்புகிறோம். இதைச் செய்ய, விளக்க புள்ளிவிவரங்களை நாங்கள் கணக்கிடுகிறோம்.
SPSS இல் இது செய்யப்படுகிறது: `` பகுப்பாய்வு`` → `` விளக்க புள்ளிவிவரங்கள்` → `` விளக்கங்கள்``. உள்ளீட்டு சாளரத்தில், தனிப்பட்ட சராசரி `` சராசரி`` உடன் `` மாறி (கள்) `` உடன் மாறியை ஒதுக்குகிறீர்கள்.	சாமோவியில் இது பயன்படுத்தி செய்யப்படுகிறது: `` பகுப்பாய்வு`` → `` ஆய்வு` → `` விளக்கங்கள்``. உள்ளீட்டு குழுவில், தனிப்பட்ட சராசரி `` சராசரி`` உடன் `` மாறிகள்`` உடன் மாறியை ஒதுக்குகிறீர்கள்.
உள்ளீட்டு சாளரத்தில் `` விருப்பங்கள்` என்பதைக் சொடுக்கு செய்த பிறகு, எந்த புள்ளிவிவரங்களை கணக்கிட விரும்புகிறார் என்பதை ஒருவர் சரிசெய்ய முடியும். இப்போதைக்கு, நாம் `` அர்த்தம்`` மற்றும் (கொள்கையளவில்) மற்ற எல்லா மதிப்புகளையும் அவிழ்க்க முடியும்.	சாமோவியில், கீழ்தோன்றும்-மெனு புள்ளிவிவரங்கள்` இல் எந்த புள்ளிவிவரங்களை கணக்கிட விரும்புகிறார் என்பதை ஒருவர் சரிசெய்ய முடியும். அங்கு, `` சராசரி`` தவிர எல்லா அமைப்புகளையும் நாங்கள் அவிழ்த்து விடுகிறோம்.
சராசரி மதிப்பு (4.375) இது விளக்க புள்ளிவிவரங்களிலிருந்து வெளியீடு அடுத்த கட்டத்தில் பயன்படுத்தப்படுகிறது.
மேலும் குறிப்பாக, குழு சராசரிக்கு தனிப்பட்ட வழிமுறையை "சரிசெய்கிறது" ஒரு சரிசெய்தல் மாறியைக் கணக்கிட இது பயன்படுகிறது (அதாவது, அந்த பங்கேற்பாளருக்கான சராசரி - `` சராசரி`` - குழு சராசரியுடன் அமைந்துள்ள ஒவ்வொரு பங்கேற்பாளருக்கும் இது கணக்கிடுகிறது - 4.375).
SPSS இல் இந்த `` சரிசெய்தல்` ` -காணக்கூடியதாகக் கணக்கிட, நாங்கள் ஒரு புதிய மாறியைப் பயன்படுத்தி உருவாக்குகிறோம்:` உருமாற்றம் →` `` `` எண் வெளிப்பாட்டில், `` (4.375) என்ற வார்த்தையை உள்ளிடுகிறோம் - சராசரி````` புதிய மாறியை `` சரிசெய்தல்`` கணக்கிட கீழே உள்ள படத்தில் காட்டப்பட்டுள்ளது.	சமோவியில் `` சரிசெய்தல்` ` -மாறுபாட்டைக் கணக்கிட, நாங்கள்` தரவு` (தாவல்)` `` `` `` `` கணக்கிடுங்கள் `` (4.375) என்ற வார்த்தையை உள்ளிடவும் - சராசரி`` `` புதிய மாறியை `` சரிசெய்தல்`` கணக்கிட உள்ளீட்டு பெட்டியில் (கீழே உள்ள படத்தில் சிவப்பு நிறத்தில் குறிக்கப்பட்டுள்ளது).
`` No_cloak_adj`` கணக்கிட `` NO_CLOAK + சரிசெய்தல்` `` க்ளோக் + சரிசெய்தல்` `` க்ளோக் + சரிசெய்தல் சூத்திரத்தைப் பயன்படுத்தி, ஒவ்வொரு அசல் மாறிகளிலிருந்தும் அந்த சரிசெய்தலைக் கழிப்போம், மேலும் இரண்டு கணக்கிடப்பட்ட மாறிகளை உருவாக்குகிறோம். Cloak_adj``.
	சாமோவியில், ஒருவர் அந்த இரண்டு மாறிகளையும் மிகவும் எளிமையான முறையில் கணக்கிட்டிருக்கலாம். `` No_cloak_adj`` க்கு, கணக்கிட வேண்டிய சொல் `` no_cloak`` - சராசரி (No_Cloak, cloak) `` + vmean (சராசரி (No_Cloak, Cloak)) காலமானது ` cloak`` - சராசரி (No_Cloak, gloak) `` ``+ vmean (சராசரி (No_Cloak, Grouak)) ``. `` Vmean என்றால் செங்குத்து சராசரி, அதாவது, இது ஒரு நெடுவரிசை / ஒரு மாறியின் சராசரியைக் கணக்கிடுகிறது, எங்கள் விசயத்தில் இரண்டு நிபந்தனைகளின் தனிப்பட்ட வழிமுறைகள் (`` no_cloak`` மற்றும் `` cloak``).
இந்த இரண்டு மாறிகள் மற்றும் இரண்டு அசல் (சரிசெய்யப்படாத) மாறிகள் ஆகியவற்றிற்கு, இப்போது விளக்கமான புள்ளிவிவரங்களை கணக்கிடுகிறோம். மேலே காட்டப்பட்டுள்ளபடி விளக்க புள்ளிவிவரங்களைக் கணக்கிடுவதற்கான அதே நடைமுறையைப் பயன்படுத்தி இதைச் செய்கிறோம்.
SPSS இல் இது செய்யப்படுகிறது: `` பகுப்பாய்வு`` → `` விளக்க புள்ளிவிவரங்கள்` → `` விளக்கங்கள்``. உள்ளீட்டு சாளரத்தில், `` no_cloak``, `` cloak``, `` no_cloak_adj``, மற்றும் `` cloak_adj`` ஆகியவற்றை `` மாறி (கள்) `` என்ற மாறிகளை ஒதுக்குகிறீர்கள். உள்ளீட்டு சாளரத்தில் `` விருப்பங்கள்`` என்பதைக் சொடுக்கு செய்து `` சராசரி`` மற்றும் `` எச்.இ. சராசரி`` தேர்வு செய்யப்படுகிறது.	சாமோவியில் இது பயன்படுத்தி செய்யப்படுகிறது: பகுப்பாய்வு → ஆய்வு → விளக்கங்கள். உள்ளீட்டுக் குழுவில், `` No_Cloak``, `` gloak``, `` no_cloak_adj``, மற்றும் `` cloak_adj`` ஆகியவற்றை `` மாறிகள்`` க்கு ஒதுக்குகிறார்கள். பின்னர், நாங்கள் கீழ்தோன்றும்-மெனு `` புள்ளிவிவரங்கள்`` திறக்கிறோம். அங்கு, `` சராசரி`` மற்றும் `` எச்.டி.டி தவிர அனைத்து புள்ளிவிவரங்களையும் நாங்கள் அவிழ்த்து விடுகிறோம். சராசரி பிழை``.
நிரல், எச்.பி.எச்.எச் மற்றும் சாமோவி ஆகியவற்றின் வெளியீடு, `` No_Cloak`` க்கான வழிமுறைகள் `` NO_CLOAK_ADJ`` என்பதற்கான சராசரிக்கு சமமானவை என்பதை வெளியீடு காட்டுகிறது, அதே நேரத்தில் சராசரியின் நிலையான பிழை மூன்றில் ஒரு பங்காக குறைக்கப்பட்டது. `` க்ளோக்`` மற்றும் `` க்ளோக்_ஏடிசே`` ஆகியவற்றின் ஒப்பீட்டிற்கும் இதே நிலைதான். இது-மீண்டும் மீண்டும் நடவடிக்கைகளைப் பயன்படுத்துவதன் மூலம்-சராசரியை மிகவும் கணிசமாக மதிப்பிடும்போது எங்கள் பிழையை குறைக்க முடியும் என்பதை இது குறிக்கிறது.
மேலே நிரூபிக்கப்பட்ட பகுப்பாய்வுகளுடன் SPSS வெளியீட்டு கோப்புகள் மற்றும் சாமோவி கோப்புகளை நீங்கள் பதிவிறக்கம் செய்யலாம்.
கணக்கிடப்பட்ட மாறிகள் கொண்ட SPSS தரவுக் கோப்பு SPSS பகுப்பாய்வுகளைக் கொண்ட வெளியீட்டு கோப்பு	பகுப்பாய்வுகளுடன் சமோவி கோப்பு

** குறிப்புகள் **

Field, A. (2017). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications. https://edge.sagepub.com/field5e