Post hoc test untuk kruskal wallis di stata forex

Post hoc test untuk kruskal wallis di stata forex

Staxrip-binary-options
Steve-margison-forex-trading
Forex handelen lereng


Forex-traders-guide-to-price-action-analysis Binary options forex hedging system Strategi-opsi-indikator-indikator-strategi investor Binary-option-strategy-2016-honda Spread-betting-forex-bebas pajak Forex-trading-companies-in-ghana-adenta

Uji Kruskal-Wallis H menggunakan Pengenalan Stata Uji Kruskal-Wallis H adalah uji nonparametrik berbasis peringkat yang dapat digunakan untuk menentukan apakah ada perbedaan yang signifikan secara statistik antara dua atau lebih kelompok variabel independen pada variabel dependen kontinyu atau ordinal. Ini dianggap sebagai alternatif nonparametrik untuk ANOVA satu arah (kadang-kadang juga disebut ANOVA satu arah pada barisan), dan perpanjangan uji U Mann-Whitney untuk memungkinkan perbandingan lebih dari dua kelompok independen. Misalnya, Anda bisa menggunakan tes Kruskal-Wallis H untuk memahami apakah gaji, diukur dalam skala terus-menerus, berbeda berdasarkan tingkat pendidikan (misalnya variabel dependen Anda akan menjadi gaji dan variabel independen Anda adalah tingkat pendidikan, yang memiliki tiga kelompok independen : Gelar sarjana, sarjana dan PhD). Sebagai alternatif, Anda bisa menggunakan tes Kruskal-Wallis H untuk memahami apakah sikap terhadap penghindaran pajak, di mana sikap diukur pada skala ordinal, berbeda berdasarkan ukuran perusahaan karyawan (misalnya variabel dependen Anda adalah sikap terhadap penghindaran pajak, yang diukur pada 5 - Tentukan skala dari benar-benar adil sampai benar-benar tidak adil, dan variabel independen Anda adalah ukuran perusahaan, yang memiliki tiga kelompok independen: kecil, menengah dan besar). Penting untuk disadari bahwa tes Kruskal-Wallis H adalah statistik uji omnibus dan tidak dapat memberi tahu Anda kelompok spesifik dari variabel independen Anda secara statistik berbeda secara signifikan satu sama lain sehingga hanya memberi tahu Anda bahwa setidaknya dua kelompok berbeda. Karena Anda mungkin memiliki tiga atau lebih kelompok dalam desain studi Anda, menentukan kelompok mana yang berbeda satu sama lain itu penting. Anda bisa melakukan ini dengan menggunakan tes post hoc. Panduan ringkas ini menunjukkan kepada Anda bagaimana melakukan tes Kruskal-Wallis H menggunakan Stata, serta menafsirkan dan melaporkan hasilnya dari tes ini. Namun, sebelum kami mengenalkan Anda pada prosedur ini, Anda perlu memahami berbagai asumsi bahwa data Anda harus dipenuhi agar tes Kruskal-Wallis H memberi Anda hasil yang valid. Kami membahas asumsi ini selanjutnya. Asumsi Ada empat asumsi yang mendasari uji Kruskal-Wallis H. Jika salah satu dari keempat asumsi ini tidak terpenuhi, Anda mungkin tidak dapat menganalisis data Anda menggunakan tes Kruskal-Wallis H karena Anda mungkin tidak mendapatkan hasil yang valid. Karena asumsi 1, 2 dan 3 berhubungan dengan desain dan pilihan penelitian Anda, mereka tidak dapat diuji untuk menggunakan Stata. Namun, Anda harus memutuskan apakah studi Anda memenuhi asumsi ini sebelum melanjutkan. Asumsi 1: Dua variabel Anda harus diukur pada skala ordinal atau skala kontinu (yaitu skala interval atau rasio). Contoh variabel ordinal meliputi skala Likert (misalnya skala 7 poin dari sangat setuju hingga sangat tidak setuju), di antara cara lain kategori peringkat (misalnya skala 5 poin untuk mengukur kepuasan kerja, mulai dari yang paling puas sampai paling tidak memuaskan 4 - Tentukan skala yang menentukan betapa mudahnya menavigasi situs web baru, mulai dari skala yang sangat mudah hingga sangat sulit atau skala 3 poin yang menjelaskan seberapa banyak pelanggan menyukai produk, mulai dari Tidak banyak, ya, banyak). Contoh variabel kontinu meliputi tinggi badan (diukur dalam kaki dan inci), suhu (diukur dalam derajat), gaji (diukur dalam dolar AS), waktu revisi (diukur dalam jam), kecerdasan (diukur dengan menggunakan nilai IQ), waktu reaksi (diukur dalam Milidetik), uji kinerja (diukur dari 0 sampai 100), penjualan (diukur dalam jumlah transaksi per bulan), dan lain sebagainya. Anda dapat mempelajari lebih lanjut tentang variabel ordinal dan continuous dalam artikel kami: Jenis Variabel. Asumsi 2: Variabel independen Anda harus terdiri dari dua atau lebih kategoris. Kelompok independen (tidak terkait). Contoh variabel kategoris meliputi jenis kelamin (misalnya 2 kelompok: laki-laki dan perempuan), etnisitas (misalnya 3 kelompok: Kaukasia, Afrika Amerika dan Hispanik), tingkat aktivitas fisik (misalnya 4 kelompok: tidak banyak duduk, rendah, sedang dan tinggi), dan profesi Misalnya 5 kelompok: dokter bedah, dokter, perawat, dokter gigi, terapis). Asumsi 3: Anda harus memiliki kebebasan untuk mengamati. Yang berarti tidak ada hubungan antara pengamatan di masing-masing kelompok atau antar kelompok itu sendiri. Misalnya, harus ada peserta yang berbeda dalam setiap kelompok tanpa peserta berada di lebih dari satu kelompok. Jika Anda tidak memiliki kebebasan untuk mengamati, kemungkinan Anda memiliki kelompok terkait, yang berarti Anda perlu menggunakan tes Friedman dan bukan tes Kruskal-Wallis H. Uji Kruskal-Wallis H tidak mengasumsikan normalitas, dapat digunakan dengan data ordinal, dan kurang sensitif terhadap outlier. Untuk alasan ini, sering digunakan bila asumsi ini telah dilanggar dan penggunaan ANOVA satu arah tidak sesuai. Namun, uji Kruskal-Wallis H tidak harus bebas dari asumsi karena kesimpulan apa yang dapat Anda buat akan tergantung pada distribusi data. Pertimbangan data ini dipertimbangkan dalam Asumsi 4. Seperti yang dibahas di bawah ini: Asumsi 4: Untuk mengetahui bagaimana menafsirkan hasil dari tes Kruskal-Wallis H, Anda harus menentukan apakah distribusi di setiap kelompok (yaitu distribusi skor untuk setiap kelompok variabel independen) memiliki Bentuk yang sama (yang juga berarti variabilitas yang sama). Untuk memahami apa artinya ini, lihat diagram di bawah ini: Copyright 2014. Statistik Laerd Dalam diagram di sebelah kiri di atas, distribusi skor untuk kelompok Kaukasia, Afrika Amerika dan Hispanik memiliki bentuk yang sama. Di sisi lain, pada diagram di sebelah kanan di atas, distribusi skor untuk masing-masing kelompok tidak identik (yaitu bentuk dan variabilitasnya berbeda). Jika distribusi Anda memiliki bentuk yang sama, Anda dapat menggunakan Stata untuk melakukan tes Kruskal-Wallis H untuk membandingkan median variabel dependen Anda (misalnya skor keterlibatan) untuk berbagai kelompok variabel independen yang Anda minati (misalnya kelompok , Kaukasia, Afrika Amerika dan Hispanik, untuk variabel independen, etnisitas). Namun, jika distribusinya memiliki bentuk yang berbeda. Anda hanya bisa menggunakan tes Kruskal-Wallis H untuk membandingkan mean ranks. Memiliki distribusi serupa memungkinkan Anda menggunakan median untuk mewakili pergeseran lokasi di antara kelompok (seperti yang digambarkan pada diagram di sebelah kiri atas). Dengan demikian, sangat penting untuk memeriksa asumsi ini atau Anda dapat menafsirkan hasilnya dengan tidak benar. Dalam prakteknya, memeriksa asumsi 4 mungkin akan memakan banyak waktu Anda saat melakukan tes Kruskal-Wallis H. Namun, Stata menyediakan semua alat yang Anda butuhkan untuk melakukan ini. Di bagian tersebut, Prosedur Uji di Stata. Kami menggambarkan prosedur Stata yang diperlukan untuk melakukan uji Kruskal-Wallis H dengan asumsi bahwa tidak ada asumsi yang telah dilanggar. Pertama, kami menetapkan contoh yang kami gunakan untuk menjelaskan prosedur uji Kruskal-Wallis H di Stata. Peritel online ingin mendapatkan yang terbaik dari para pegawainya, sekaligus meningkatkan pengalaman kerja mereka. Saat ini, karyawan di pusat pemenuhan pesanan pengecer tidak diberi hiburan apa pun saat mereka bekerja (misalnya tidak ada musik latar, televisi, dll.). Namun, pengecer ingin tahu apakah menyediakan musik, yang diminta beberapa pegawai, akan menghasilkan produktivitas yang lebih besar, dan jika memang demikian, seberapa banyak. Oleh karena itu, peneliti merekrut sampel acak sebanyak 60 karyawan. Sampel dari 60 peserta dibagi secara acak menjadi tiga kelompok independen dengan 20 peserta di setiap kelompok: (a) kelompok kontrol yang tidak mendengarkan musik (b) kelompok perlakuan yang mendengarkan musik, namun tidak memiliki pilihan dari apa yang mereka dengarkan Ke dan (c) kelompok perlakuan kedua yang mendengarkan musik dan memiliki pilihan dari apa yang mereka dengarkan. Percobaan berlangsung selama satu bulan. Pada akhir percobaan, produktivitas ketiga kelompok diukur berdasarkan jumlah rata-rata paket yang diproses per jam. Oleh karena itu, variabel dependen adalah produktivitas (diukur dari segi jumlah rata-rata paket yang diproses per jam selama percobaan satu bulan), sedangkan variabel independen adalah jenis perlakuan, dimana ada tiga kelompok independen: Tidak ada musik (kelompok kontrol), Musik - Tidak ada pilihan (kelompok perlakuan A) dan Music - Choice (kelompok perlakuan B). Diasumsikan bahwa ANOVA satu arah tidak sesuai (mis., Karena distribusi tidak normal) dan oleh karena itu, uji Kruskal-Wallis H digunakan untuk menentukan apakah terdapat perbedaan produktivitas yang signifikan secara statistik antara ketiga kelompok independen. Catatan: Contoh dan data yang digunakan untuk panduan ini bersifat fiktif. Kami baru saja menciptakannya untuk tujuan panduan ini. Penyiapan di Stata Di Stata, kami memisahkan tiga kelompok untuk analisis dengan menciptakan variabel independen. Disebut Musik Dan memberi: (a) nilai 1 - Tidak ada musik untuk kelompok kontrol (b) nilai 2 - Musik - Tidak ada pilihan untuk kelompok perlakuan yang mendengarkan musik, namun tidak memiliki pilihan dari apa yang mereka dengarkan dan (C) nilai 3 - Music - Pilihan untuk kelompok perlakuan yang mendengarkan musik dan memiliki pilihan dari apa yang mereka dengarkan, seperti yang ditunjukkan di bawah ini: Diterbitkan dengan izin tertulis dari StataCorp LP. Skor untuk variabel independen, Musik. Kemudian dimasukkan ke kolom kiri dari spreadsheet Editor Data (Edit), sedangkan nilai untuk variabel dependen, Produktifitas. Dimasukkan ke kolom sebelah kanan, seperti yang ditunjukkan di bawah ini: Diterbitkan dengan izin tertulis dari StataCorp LP. Prosedur Uji di Stata Pada bagian ini, kami tunjukkan cara menganalisis data Anda menggunakan tes Kruskal-Wallis H di Stata saat empat asumsi di bagian sebelumnya, Asumsi. Belum dilanggar Anda bisa melakukan tes Kruskal-Wallis H dengan menggunakan kode atau antarmuka pengguna grafis Statas (GUI). Setelah Anda melakukan analisis Anda, kami menunjukkan cara untuk menafsirkan hasil Anda. Pertama, pilih apakah Anda ingin menggunakan kode atau antarmuka pengguna grafis Statas (GUI). Pada bagian ini kami menetapkan kode untuk melakukan tes Kruskal-Wallis H. Kode ini dimasukkan ke dalam kotak Statas, seperti yang digambarkan di bawah ini: Diterbitkan dengan izin tertulis dari StataCorp LP. Kode untuk menjalankan tes Kruskal-Wallis H pada data Anda berbentuk: kwallis DependentVariable. Oleh (IndependentVariable) Dengan menggunakan contoh kita dimana variabel dependennya adalah Produktifitas dan variabel independennya adalah Musik. Kode yang dibutuhkan adalah: kwallis Productivity, by (Music) Oleh karena itu, masukkan kode berikut dan tekan tombol ReturnEnter pada keyboard Anda. Anda bisa melihat output Stata yang akan diproduksi disini. Graphical User Interface (GUI) Tiga langkah yang diperlukan untuk melakukan tes Kruskal-Wallis H di Stata ditunjukkan di bawah ini: Untuk Stata 13, klik Statistik gt Analisis nonparametrik gt Pengujian hipotesis gt Uji peringkat Kruskal-Wallis pada menu atas, seperti Ditunjukkan di bawah ini Catatan: Untuk Stata 12 (tapi juga berlaku untuk Stata 13), klik Statistik gt Ringkasan, tabel, dan tes gt Uji hipotesis nonparametrik uji peringkat Kruskal-Wallis pada menu utama. Diterbitkan dengan izin tertulis dari StataCorp LP. Anda akan disuguhi kotak kwallis berikut - Kruskal-Wallis equality-of-populations test box: Diterbitkan dengan izin tertulis dari StataCorp LP. Pilih variabel dependen, Produktivitas. Dari dalam Variabel Hasil: kotak drop-down dan variabel independen, Musik. Dari dalam kotak drop-down Variable defineding groups: Anda akan disuguhkan dengan layar berikut: Diterbitkan dengan izin tertulis dari StataCorp LP. Anda bisa melihat output Stata yang akan diproduksi disini. Keluaran tes Kruskal-Wallis H di Stata Jika Anda menemukan bahwa setelah menguji asumsi 4, kelompok tersebut memiliki distribusi berbentuk serupa sehingga Anda dapat menafsirkan hasil Anda dalam hal perbedaan median. Inilah yang akan kita asumsikan untuk kumpulan data ini. Setelah menjalankan salah satu prosedur di atas, hasil Anda akan dipresentasikan dengan judul, uji peringkat kesetaraan Kruskal-Wallis. Seperti yang ditunjukkan di bawah ini: Catatan: Jika kelompok tidak memiliki distribusi berbentuk serupa, Anda akan menafsirkan hasil Anda dalam hal perbedaan dalam peringkat rata-rata bukan median. Diterbitkan dengan izin tertulis dari StataCorp LP. Kami memiliki dasi dalam data kami, jadi kami ingin berkonsultasi dengan hasil tes Kruskal-Wallis H yang disorot dalam kotak merah di atas. Baris teratas (yaitu chi-kuadrat dengan ikatan 9.470 dengan 2 d.f.) melaporkan nilai chi-squared dan derajat kebebasan tes. Garis di bawah yang ini (yaitu probabilitas 0,0088) menunjukkan signifikansi statistik uji Kruskal-Wallis H (yaitu nilai p). Kita dapat melihat bahwa tingkat signifikansi adalah 0,0088 (yaitu p .0088), yang berada di bawah 0,05, dan oleh karena itu, ada perbedaan signifikan secara statistik dalam produktivitas rata-rata antara ketiga kelompok variabel independen yang berbeda, Musik (yaitu No Music , Musik - Tidak Ada Pilihan dan Musik - Pilihan). Melaporkan hasil tes Kruskal-Wallis H Ketika Anda melaporkan hasil tes Kruskal-Wallis H Anda, ada baiknya Anda menyertakan: A. Pengantar analisis yang Anda lakukan. B. Informasi tentang sampel Anda (termasuk berapa banyak peserta di setiap kelompok Anda jika ukuran kelompok tidak sama atau ada nilai yang hilang). C. Suatu pernyataan apakah ada perbedaan yang signifikan secara statistik antara kelompok Anda (termasuk nilai chi 2-nilai, derajat kebebasan, dan tingkat signifikansi (yaitu nilai-nilai)). Berdasarkan keluaran Stata diatas. Kami dapat melaporkan hasil penelitian ini sebagai berikut: Uji Kruskal-Wallis H dilakukan untuk menentukan apakah produktivitas dalam fasilitas pengepakan berbeda untuk tiga kelompok yang mendengarkannya: (a) tidak ada musik (n 20) (b) musik , Tapi trek yang tidak mereka pilih (n 20) dan (c) musik dengan trek yang bisa mereka pilih (n 20). Uji Kruskal-Wallis H menunjukkan bahwa ada perbedaan produktivitas yang signifikan secara statistik antara ketiga kelompok, chi 2 (2) 9.470, p 0,0088. Selain melaporkan hasilnya seperti di atas, diagram dapat digunakan untuk menampilkan hasil secara visual. Misalnya, Anda bisa melakukan ini dengan menggunakan petak kotak. Hal ini dapat mempermudah orang lain untuk memahami hasil Anda dan mudah diproduksi di Stata. Anda sedang mencari tes Dunns (atau, katakanlah, tes Conover-Iman). Ini sangat mirip dengan serangkaian tes rank rank berpasangan. Namun versi Dunns (1) menyumbang varians gabungan yang diimplikasikan oleh hipotesis nol, dan (2) mempertahankan peringkat yang digunakan untuk melakukan uji Kruskal-Wallis. Pertunjukan berbagai jenis WilcoxonMann-Whitney menilai jumlah tes mengabaikan masalah ini. Seseorang dapat, tentu saja, melakukan tingkat kesalahan keluarga-bijaksana atau koreksi tingkat penemuan palsu untuk beberapa perbandingan dengan tes Dunns. Uji Dunns diimplementasikan untuk Stata dalam paket dunntest (dari tipe stata net yang menggambarkan dunntest, dari (doyennestata) saat terhubung ke Internet), dan untuk R dalam paket dunn.test kedua paket mencakup banyak pilihan penyesuaian perbandingan. Seseorang mungkin juga melakukan tes Dunns di SAS menggunakan makro Elliott dan Hynans, KWMC. Seperti yang saya tulis dalam pertanyaan CV terkait. Ada beberapa tes berpasangan post hoc yang kurang terkenal untuk mengikuti Kruskal-Wallis yang ditolak, termasuk Conover-Iman (seperti Dunn, namun berdasarkan distribusi t, bukan distribusi z, lebih kuat daripada uji Dunns, dan juga Diimplementasikan untuk Stata dalam paket conovertest dan untuk R dalam paket conover.test), dan tes Dwass-Steel-Citchlow-Fligner. Referensi Dunn, O. J. (1964). Beberapa perbandingan menggunakan jumlah peringkat. Technometrics. 6 (3): 241252.
Best-biner-options-trading-strategy-2014-silverado
Pertukaran forex ombak Elliott