درخت تصمیم گیری برای انتخاب تست های آماری

انتخاب درست تست های آماری برای انجام درست مطالعات امری ضروری است که اکثرا به دست متخصصین آمار سپرده می شود. اما گاهی می توان با داشتن اطلاعاتی زمینه ای  با مراجعه به کتاب های آمار و یا منابع دیگر به تست صحیح رسید. یکی از این منابع سایت Microsiris می باشد که با پرسش هایی به صورت درختی شما را در انتخاب تست های آماری هدایت می کند

هر چند این راهنما کمی پیچیده می باشد اما به هر حال برای یادگیری هم شده، کار کردن با آن خالی از لطف نیست.

استفاده از اکسل در انجام تست های آماری

اکسل به عنوان یک نرم افزار بسیار قدرتمند این توانایی را دارد تا تست های معمول آماری مثل T-Test, ANOVA, Correlation ,.... بقیه را انجام دهد.

برای این کار کافی است از قسمت Option در نرم افزار اکسل وارد بخش Add-Ins شوید و سپس گزینه ی Analysis ToolPak را اضافه کنید. از این به بعد کافی است وارد ریبون Data شوید تا منوی Data Analysis را مشاهده کنید. این منو حاوی تست های آماری گفته شده می باشد.

Error Bar

قبلا راجع به نمودارهای جعبه ای یا همان Box plot صحبت شده بود. در این پست مختصری راجع به دیگر نمودار مهم تحلیلی به نام Error bar صحیت می کنیم.

این نوع نمودار، همانند نمودار جعبه ای می تواند برای مقایسه ی یک متغیر کمی در دو یا چند گروه مورد استفاده قرار بگیرد. در این نوع نمودار نقطه ی مرکزی همان میانگین متغیر کمی می باشد و ادامه ی نمودار از این نقطه به سمت بالا یا پایین می تواند یه اندازه دو انحراف معیار باشد (یا خطای استاندارد یا تعیین فاصله ی اطمینان خاص) که اگر نمودار توزیع نرمال را در نظر بگیریم در این صورت می تواند فاصله ی اطمینان 95% را برای مفدار میانگین مشخص کند.

نکته 1): با توجه به مورد بالا می توان گفت برای مقایسه ی یک متغیر کمی در چند گروه در صورتی که این متغیر توزیع نرمال داشته باشد بهتر است از نمودار error bar استفاده کنیم و در غیر این صورت بهتر است از نمودار جعبه ای استفاده شود.

نکته 2): با توجه به این که در error bar فاصله ی اطمینان 95% مشخص می شود، بر اساس همپوشانی این نمودارها، می توان از روی نمودار به وجود اختلاف معنی دارِ متغیر کمی، بین دو یا چند گروه موجود بر اساس متغیر کیفی پی برد

نکته 3): اگر بر اساس متعیر کمی دو گروه وجود داشته باشد و نمودار، در حال بررسیِ متعیر کمی در بین این دو گروه باشد به نوعی می توان گفت این نمودار بیان کننده ی تست Independent t test می باشد. و اگر بیش از دو گروه وجود داشته باشد نمودار بیان کننده ی تست Anova , post hoc می باشد.