Professional Documents
Culture Documents
דף נוסחאות
דף נוסחאות
חישוב ציון תקן באקסל: סימנים חשבוניים באקסל: נוסחאות באקסל הכנת קובץ נתונים באקסל
ציון תקן = )ציון הנבדק – הממוצע(/סטיית התקן * = כפל הכנסת נוסחה ßלחיצה על /ƒxבתוך התא = ואז הנוסחה שורה = נבדק
באקסל: = /חילוק לחיצה כפולה על הריבוע הקטן תעתיק את הנוסחה על כל הטור טור = משתנה
=(F2-$H$2)/$I$2 ^ = חזקה הקפאת מרכיב בנוסחה) fn+f4 :יופיע ($ שורה ראשונה = שמות המשתנים
פקודות חשובות: שם משתנה – בלועזית ,בלי רווחים
יצירת גבול לחישוב ממוצע עבור משתנה באקסל: – Roundמעגל את המספר קידוד נתונים – מספרים בתוך התאים
הפקודה מאפשר לא לחשב ממוצע עבור מי שענה על פחות ממספר השאלות – Averageממוצע
הרצוי – STDEV.Sסטיית תקן עבור מדגם שמירת הקובץ לשימוש בתוכניות סטטיסטיות
באקסל: – STDEV.Pסטיית תקן עבור אוכלוסייה File à save as à save as type à CSV
)””=IF(COUNT(B2:B5)>=3,AVERAGE(B2:B5), – VLOOKUPמעתיק נתונים/קידוד מחדש
– IFפקודה לוגית .הפיכה של משתנה רציף לדיכוטומי הגבלת טווח ערכים למשתנה
– Data à Data Validation à Setting à Allow – Whole numbers à Data
יצירת PIVOT TABLEבאקסל: Between à Min + Max
– Pivot Tableמאפשר ליצור טבלת שכיחויות וכו׳
באקסל: סטיית תקן של התפלגות הדגימה:
בחירת נוסחה ) à Values à i àהמשתנים שנרצה( Insert à Pivot Table à Select Range à Place Table à Choose Fields à Row !
סטיית התקן של האוכלוסייה/שורש גודל המדגם:
√#
התפלגות נורמלית של התפלגות הדגימה:
בדיקת מהימנות בJASP
*התפלגות מקורית מתפלגת נורמלי
מהימנות כעקיבות פנימית – עד כמה השאלון מהימן ובודק את מה שאומרים שהוא בודק )אלפא של קרונבך(
*משפט הגבול המרכזי N≥30 ß
מהימנות גבוהה ßמעל 0.8
מהימנות בינונית 0.5-0.8 ß סטטיסטיקה תיאורית בJASP
מהימנות נמוכה 0.5 ßומטה טבלת שכיחויות
שלבים ב JASP à Variables à “V” Frequency Tablesבוחרים משתנים Descriptives à
) à Single test reliability à Cronbach’s α à Cronbach’sמכניסים את מה שרוצים לבדוק( Reliability à Classical à Variables – Frequencyמספר המשיבים
α (if item dropped) à Confidence interval 95% à Item-rest correlation
% – Percentהנבדקים שבחרו בתשובה
אפשר להוסיף את meanו standard deviationכדי לראות את הממוצע וסטיית התקן של כל פריט ושל השאלון.
% - Valid Percentהמשיבים מסך הקובץ
הפיכה של פריטים
מכניסים את המשתנה שרוצים להפוך Reverse scaled item à % - Cumulative Percentהמשיבים המצטבר
ניתן לבצע רק עבור משתנים בסולם סדר ושמי
סיכום מבחנים סטטיסטים: סטטיסטיקה תיאורית
מבחן tלתלויים – מתפצל ל:2 קביעת המבחן: תנאים לביצ וע מהחן סטטיסטי:
*מבחן חוזר ) – (test-retestמדידת משתנה בשני זמנים *סולם המדידה של המשתנים עבור הסטטיסטיקה הרצויה ” à Variables à Statistics à “Vבוחרים משתנים Descriptives à
* דגימה מקרית או N≥30
)לפני ואחרי( .בוחנים שינוי או שיפור בין מדידה ראשונה *השאלה ששואלים *הקצאה מקרית לקבוצות
לשנייה בדיקת השערות
*מערך תוך נבדקי ) – (within subject designמבחן השערת ß H0אין הבדל/קשר/השפעה .הטיפול לא עובד.
מזווג ,זיווג נבדקים ע״פ תכונה משותפת/הגיונית לוגית השערת ß H1יש הבדל/קשר /השפעה .הטיפול עובד.
)אבא ובן ,בעל ואישה(... אמת
H0 H1
החלטת החוקר
מבחן tבלתי תלוי: True negative False negative
השוואה בין שתי קבוצות )חובה שיהיה חוסר תלות בין H0 Confidence level Type II error
שתי הקבוצות( )(1- α )(β
False Positive True positive
תנאי קדם למבחני :t
H1 Type I error Power
*התפלגות נורמלית
*הנחת שוויון שונויות )מבחן לוין( )(α )(1-β
הגדלת עוצמת המבחן:
*נרצה להקטין את ההסתברות לטעות מסוג 2מבלי להשפיע על הα .1הגדלת המדגם
סדר – עבור מדגמים תלויים:
* .2הגדלת הα-
* 2 – Wilcoxonקבוצות
* +2 – Friedmanקבוצות .3הקטנת השונות
= αרמת המובהקות .4טיפול עוצמתי יותר
סדר – עבור בלתי תלויים:
* 2 – Wilcoxonקבוצות מבחני :t
* +2 – Kruskal-Wallisקבוצות *סטיית התקן של האוכלוסייה אינה ידועה
*התפלגות – tהתפלגות רחבה ושטוחה יותר ,עם סטיית תקן גדולה
שמי
*מבחן בינום – הבדל בין 2קבוצות דרגות חופש:
*חי בריבוע – בודק את טיב ההתאמה ) +2קבוצות( *ד״ח – היכולת לאמוד פרמטרים המתבססים על פרמטרים נוספים
*ד״ח = מספר הפרמטריים – N
מבחני tמדגמים תלויים: מבחני tמדגמים בלתי תלויים:
P Valueבאקסל:
*ממוצע האוכלוסייה אינו ידוע ßנבצע אומדן *השוואה בין שתי קבוצות
-עבור כל נבדק מחשבים את ההפרש בין הפעם -התפלגות דגימה של הפרשי ממוצעים והשוואה להפרש )=TDIST(t,df,tails
הראשונה לפעם השנייה ואז מחושב ממוצע התיאורטי בין הממוצעים * – tערך ה tשהתקבל
ההפרשים עבור כל הנבדקים )̅𝑑( *אם הטפול לא עבד נצפה ש 𝜇( = 𝜇- * – dfדרגות חופש
*אם הטפול לא עבד נצפה ש 𝑑̅ = 0 * – tailsהאם ההשערה חד צדדית או דו צדדית
*השערות: – 1 -השערה חד צדדית
*השערות: (.
***'.
# ***)'(+
$ )# '+$ – 2 -השערה דו צדדית
= )𝑡(## 0#$ '- 𝐻$ : 𝜇. = 𝜇/
) !(%* '+ &(,
&(''''
)'''' #
$
= )('𝑡(# )∆( 𝐻$ : 𝜇% = 0 𝐻( : 𝜇. ≠ 𝜇/ ממוצע משוקלל ):(S2 Pooled
"!,
)∆( 𝐻( : 𝜇% ≠ 0 *אומדן של השונות המשוקללת שהתקבלה משני מדגמים שונים.
*אומדן זה מדויק יותר ומבוסס על יותר מקרים
רווח בר סמך: -ככל שהמדגם גדול יותר האומדן יותר מדויק ומתקרב לאומדן באוכלוסייה
*אמידה של פרמטר מסוים באוכלוסייה ברמת בטחון נתונה ,ע״פ מדגם.
*המטרה היא באמצעות מדגם ,לאמוד מה סביר להניח שהוא הערך האמיתי באוכלוסייה -
(𝑛( − 1)𝑆.-# + (𝑛- − 1)𝑆.-$
𝑆1$$23% = = 𝑆1-
*אם הערך נופל בתוך הרווח ßלא נוכל לדחות את .H0 𝑛( + 𝑛- − 2
אם הוא נמצא מחוץ לרווח ßנדחה את H0 (𝑛( − 1)𝑆.-# + (𝑛- − 1)𝑆.-$ 𝑛( + 𝑛- 𝑛( + 𝑛-
𝑆(.***'.
)*** #
=4 5 7 = 𝑆1 45 7
$
𝑛( + 𝑛- − 2 𝑛( × 𝑛- 𝑛( × 𝑛-
הנחות חשובות:
*מדגמים בלתי תלויים /אי תלות בין המדגמים
*הנחת שוויון שונויות
חי בריבוע לטי התאמה:
*איך עושים את זה: חי בריבוע:
-נשווה בין הצפוי ) (expectedלמצוי )(observed * 2סוגים
-הערכים בצפוי יכולים להיות שברים ,במצוי הם חייבים להיות מספרים שלמים -חי בריבוע לטיב התאמה – האם מדגם שייחך לאוכלוסייה מסוימת עבור משתנים בסולם שמי
-ככל שלמשתנה יותר ערכים )יותר קטגוריות( ,כך הסטטיסטי יהיה גדול יותר -חי בריבוע לאי תלות – בודק האם יש קשר בין שני המשתנים כאשר הסולם שלהם שמי
* הסטטיסטי הוא פונקציה של דרגות החופש
* דרגות חופש – מספר הקבוצות פחות (k-1) 1 ניתוח שונות חד כיווני – :one way ANOVA
-נבחן את הפער בין הערכים הצפויים לערבים הנצפים: * מאפשר השוואה של 2או יותר קבוצות
* אם הפער קטן ßהמדגם שייך לאוכלוסייה ,נקבל את H0 *הנחות
* אם הפער גדול ßהמדגם לא שייך לאוכלוסייה ,נדחה את H0הנחות של חי בריבוע: -התצפיות הן בלתי תלויות
*דגימה מקרית ($45* '3.1* )$ * אי קיום של ההנחה מגדילה טעות מסוג ראשון
– kמספר הקבוצות (∑678 = 𝜒-
*אי תלות בין התצפיות *3.1
-המשתנה התלוי מתפלג נורמלית בכל אחת מ k-הקבוצות
*קטגוריות זרות * ניתן לבדוק ע״י הטייה ,גבנוניות או מבחן Shapiro-Wilks
*אין יותר מ 20%בהם השכיחות הצפויה קטנה מ5- חישוב P Valueבאקסל:
-שונות הקבוצות באוכלוסייה שוות
*התפלגות הדגימה בכל תא נורמלית )=CHIDIST(chi,df
* דרושה על מנת לחשב בצורה אמנה את MSW
*אין השערות חד צדדיות * נבדק ע״י מבחן לווין )(Levene
הטייה ):(Skewness חי בריבוע לבדיקת נורמליות:
*בודק האם ההתפלגות מוטה * בוחן האם ההתפלגות הנצפית ) (observedהיא נורמלית )(expected
*בהתפלגות נורמלית sk=0 -נרצה לא לדחות את H0
-נגדיר התפלגות שהיא בקירוב לנורמאלית אם היא סוטה בטווח סביר ה0 * :H0אין הבדל בין orbsלexp
-בהתפלגות נורמלית ממוצע = חציון
* SKבודק את ההבדל בין הממוצע לבין החציון חלקי סטיית התקן כפול .3 שלבים:
*ככל ש SKהולך וגדל בערך מוחלט ßההתפלות סוטה ולא נורמלית. *מחלקים את הנתונים לקטגוריות )רצוי שוות רוחב(
*חישוב הערכים הצפויים בכל קטגוריה:
חישוב Zעבור :Skewness – F -פונקציית ההתפלגות הנורמלית המצטברת )השטח הצפויה עד לאותה נקודה(
𝑠𝑠𝑒𝑛𝑤𝑒𝑘𝑆 – Xhh -הגבול העליון האמיתי של הקטגוריה )(High High
= 𝑍56
𝑠𝑠𝑒𝑛𝑤𝑒𝑘𝑆 𝑆. 𝐸. – Xll -הגבול התחתון האמיתי של הקטגוריה )(Low Low
* כדי לחשב את – expנחשב משהו השט עד לנקודה X
ציון Zתקין עבור :Skewness -סך כל השטח תמיד יהיה שווה ל1-
*עבור n<50 *לחישוב השטח היחסי של הקטגוריה:
-1.96 ≤ z(sk) ≤ 1.96 - )) 𝑒𝑥𝑝7 = 𝑛(𝐹(𝑥<< ) − 𝐹(𝑥22
*עבור 300>n>50
– expi -כמה אנשים נצפה שיבלו באותה הקטגוריה
-3.29 ≤ z(sk) ≤ 3.29 -
*עבור n>300
באקסל:
-2 ≤ skewness ≤ 2 -
* )=NORMDIST(x,mean,stdevp,TRUE
*לאחר מכן נעשה d-c
גבנוניות ):(Kurtosis
*בודק עד כמה הפעמון סביר )או לחילופין שטוח/שפיצי( Xll Xhh )=NORMDIST(xll,mean,Sn,TRUE )=NORMDIST(xhh,mean,Sn,TRUE )d-c=p(x
*בהתפלגות נורמלית kurt=0 20.5 25.5 0 a a-0
ס ו גי 25.5 30.5 a b b-a
*התפלגות שטוחה מידי = (-) Platykurtic 30.5 35.5 b 1 1-b
*התפלגות שפיצית מידי = (+) Leptokurtic *כדי לבדוק את ההשערות שלנו
*התפלגות נורמלית = (0) Mesokurtic -כדי לחשה את הצפוי
* EXP=p(x)*n
חישוב Zעבור :Kurtosis * נכניס את הנתונים של הנצפה OBS
𝑠𝑖𝑠𝑜𝑡𝑟𝑢𝐾 *כדי לחשב את החי בריבוע:
= ?>=𝑍6
𝑠𝑖𝑠𝑜𝑡𝑟𝑢𝐾 𝑆. 𝐸. ((OBS-EXP)^2)/EXP -
-סוכמים את הטור
ציון Zתקין עבור :Skewness *חישוב :P Value
*עבור n<50 =CHIDIST(x,df) -
-1.96 ≤ z(kurt) ≤ 1.96 -
*עבור 300>n>50 :Shapiro-Wilks Test
-3.29 ≤ z(kurt) ≤ 3.29 - * מבוסס על חי בריבוע לטיב התאמה
*עבור n>300 * ß p≤0.05ניתן לומר שההתפלגות אינה סוטה בקירוב מהנורמליות
-2 ≤ kurtosis ≤ 2 -
בJASP
מבחנים שבודקים האם ההתפלגות נורמאלית: בודקים שהמבחן יצא מובהק à “V” distribution plots à Statistics à “V” Shapiro-WK test àמכניסים משתנים Descriptives à
* – Shapiro-Wilksעוצמה הכי חזקה
*Anderson Darling :Kolmogorov-Smirnov Test
* Cramer * מבוסס על חי בריבוע לטיב התאמה
* – Kolmogorov-Smirnovעוצמה הכי חלשה * ß p≤0.05ניתן לומר שההתפלגות אינה סוטה בקירוב מהנורמליות
ניתוח שונות חד כיווני – ביצוע המבחן: ניתוח שונות חד כיווני – :One-Way ANOVA
𝐵𝑆𝑀 *בוחן את היחס בין השונות שבין הקבוצות השונות לשונות בתוך הקבוצות.
= )𝐹(%BC,%BE
𝑊𝑆𝑀 -אם היחס בין השונות שבין הקבוצות גדול מהשונות בתוך הקבוצות נסיק שיש הבדל בין הקבוצות.
*ההתפלגות היא פונקציה של דרגות החופש
SS DF MB
6 -ככל שדרגות החופש עולות ,ההתפלגות קרובה יותר לנורמלית
𝐵𝑆𝑆 *במבחן Fאין השערות חד צדדיות ,רק דו צדדיות
Between S 𝑛9 (𝑥TF − 𝑥̿ )- 𝑑𝑓𝐵 = 𝑘 − 1
𝐵𝑓𝑑 *היחס בין Fלt2=F ß t
(98
6 #+ 𝑊𝑆𝑆
= 𝑊𝑆𝑀 מושגים:
Within S S(𝑥97 − 𝑥̅9 )- 𝑘 𝑑𝑓𝑊 = 𝑁 − 𝑊𝑓𝑑 *𝑆𝑆 = ∑(𝑥7 − 𝑥̅ )- – (Sum of squares) SS
(98( 78 ∑(.'.̅ )$
= 𝑆𝑀 *– (Mean of squares) MS
6 #+ #
* – (Mean squares between) MSBהשונות הרגילה ,ממוצע של ממוצעי הקבוצות ביחס לממוצע
S S(𝑥7 − 𝑥̿ )- 𝑊𝑓𝑑 𝑑𝑓𝑇 = 𝑑𝑓𝐵 + הכולל
Total (98( 78 * – (Mean squares within) MSWהשונות בתוך הקבוצות .מחשבים באמצעות Spooled
=𝑁−1
𝑊𝑆𝑆 = 𝑆𝑆𝐵 + * – (Sum of Squares Total) SSTהשוני הכללי )(SSB+SSW
*במידה והתקבלו אפקטים מובהקים של אינטראקציה אם לאפקט עיקרי מסוים 2ערכים בלבד ,אין צורך בפענוח, 𝛼1H = 1 − (1 − 𝛼JKE )1 -
בתוספת אפקט עיקרי ,יש לפענח את האפקט העירקי מספיק להתבונן בממוצעים. *Scheffe
רק אם האינטראקציה אורדינאלית. * אם ישנם יותר מ 2-ערכים? נערוך מבחני פוסט הוק -הכי מחמיר מכולם
-לוקח בחשבון את כל ההשוואות האפשריות )תלויות וב״ת(
דוגמאות לאינטראקציות -מתקן את ערכי ה F-הקריטיים אליהם משווים בהתאם למספר הקבוצות הקיימות ובכך מאפשר
יש אינטראקצ יה ,אורדינלית עבור קבוצה ,דיס-אורדינלית עבור מגדר
*כל מה שרואים בגרפים מובהק כל השוואה אפשרית
* 2משתנים * )Fisher’s Least Significant Difference (LSD
-מגדר :בנים ,בנות -הכי פחות מחמיר כי לא מבצע שום תיקון
-קבוצה1,2,3 : -תתקבל אותה תוצאה של אד-הוק
-מניח שהניתוח שונות ממפה אפקטים לא מובהקים ולכן אם השערת האפס נדחתה לא בוצעה
אין אינטראקציה ,שני אפקטים עיקריים טעות מסוג ראשון.
* )Tukey’s Honest Significant Difference (HSD
-עושה תיקון בהתאם לכל ההשוואות הזוגיות שניתן לעשות )(K-1
יש אינטראקציה ,אורדינלית עבור מגדר ,דיס-אורדינלית עבור קבוצה -אם החוקר מעוניין רק בשאלות זוגיות זה התיקון העדיף ביותר
*Dunnet
-כמו תוקי אבל משוואה רק לקבוצת ביקורת.
-לכן אם יש ק .ביקורת הוא הכי עדיף כי פחות מחמיר
* Games-Howell
-אפשר להשתמש בו כאשר לא מתקיימות הנחות המבחן )אי קיום שוויון שונויות( או כאשר גודל
אין אינטראקציה ,אפקט עיקרי אחד
המדגם קטן
יש אינטראקצ יה ,דיס-אורדינלית עבור מין וקבוצה ניתוח שונות גו-כיווני – :JASP
ניתוח אפקטים פשוטים:
בודקים אם יש אפקט ANOVA à Dependent + Fixed Factors à
במי בוחרים?
MANOVA
*אם יש 2קבוצות ,המדדים שקולים Hotelling-Lawley ß
*בJASP
*אם ההבדלים שבין הקבוצות נובע ממשתנה אחד ,סדר העדיפויות:
) – fixed (group/kindב״ת – dependent àמכניסים משתנים תלויים ANOVA à MANOVA à
Roy -
Hotelling-Lawley -
Additional Options
Pillai -
איזה מבחן שרוצים ”9 Test à “V
*אם ההבדלים נובעים מכמה משתנים ,סדר העדיפויות:
9 Display à “V” ANOVA tables
Pillai -
9 Assumption checks à “V” Homogeneity of covariance matrices + Multivariate normality
Wilks -
Hotelling-Lawley -
ניתוח מגמות – מערך בין-נבדקי Roy -
*בJASP * אם יש הפרה של הנחות ובייחוד אם הקבוצות קטנות Pillai ß
בודקים עם מובהק ANOVA à Dependent variable + Fixed Factors à
לבחור את הגרף שרוצים 9 Plots à
- Polynomialברשימה הנופלת בוחרים àמכניסים את המשתנה הב״ת 9 Contrast (Ad-hoc) à ניתוח מגמות:
*מתאים למערך תוך נבדקי
*שייך למשפחת אד-הוק )(ad hoc
ניתוח מגמות – מערך תוך-נבדקי
*בJASP מטרה:
)מכניסים את הפקטור ואת הערכים( ANOVA à Repeated measures à Repeated Measures Factors *לבחון את הקשר הפולינומי )ליניארי – קו ישר ,ריבועי – פרבולה וכו׳( שבין שניים או יותר משתנים
לבחור את הגרף שרוצים 9 Descriptive Plots à או ערבים.
- Polynomialברשימה הנופלת בוחרים àמכניסים את המשתנה הב״ת 9 Contrast (Ad-hoc) à
מתי נשתמ ש?
ניתוח מגמות *כאשר נרצה לתת כיוון – כאשר רוצים לדבר על מגמה ,טרנד.
*רמת המגמה המרבית שווה למספר הערכים של המשתנה הב״ת פחות 1
-עבור 2ניתן לבדוק רק מגמה ליניארי )פולינום בחזקת (1 ייתכנו 3מצבים:
-עבור 3ערכים ניתן לבדוק עד למגמה ריבועית )פרבולה( *מצב ליניארי – ככל ש Xעולה כך גם Yאו להיפך ככל ש Xיורד כך גם Y
*מצב אסימפטוטי – כאשר Xעולה Yעולה עד רמה מסוימת ואז מתייצב
ביצוע המבחן *מצב פרבולי – ככל ש Xעולה כך גם Yעד לרמה מסוימת בה Xעולה ו Yיורד
*בעצם קונטרסט שבו המשקולות בנויים בהתאם למגמה הפולינומית שרוצים לבחון ולמספר הערכים של המשתנה
Linear Quadratic סוגי מערכים:
K=2 K=3 K=4 K=2 K=3 K=4 *מערך תוך נבדקים – בוחן האם מדידות חוזרות משתנות בצורה ליניארית ,ריבועית וכו׳
c1 -1 -1 -3 - 1 1 *מערך בין נבדקים – כאשר הערכים של המשתנה הב״ת הם ערכים מסוימים של משתנה בסולם
c2 1 0 -1 -2 -1 רווח.
*ניתוח מגמות – מערך בין נבדקי :משתנה ב״ת אחד ,מספר קבוצות ,ומשתנה תלוי אחד
c3 1 1 1 -1
c4 3 1
:ANCOVA
*כאשר חוששים שמשתנה חיצוני הוא הסבר אפשרי לממצעים ,ניתן לנטרל אותו ע״י הכנסתו
לניתוח כcovariate-
בJASP
מכניסים את המשתנים ANOVA à ANCOVA à
המשתנה התלוי 9 Dependent Variable à
טרנספורמציות: משתנה ב״ת 9 Fixed Factors à
*אפשר לבצע טרנספורמציות על המשתנים התלויים שעוזרות להתגבר על הפרת ההנחות של מודל ניתוח שונות מה שנרצה לנטרל 9 Covariate à
טרנספורמציית שורש
*כאשר הנחת שוויון שונויות לא מתקיימת ,ובפרט כאשר השונויות הן פרופורציוניות לממוצעים )ככל שממוצע גדל כך גם השונות(
M
*𝑦 = g𝑦 + g𝑦 + 1 :Tukey *𝑦𝑦 M = g
*באקסל=sqrt() :
* 𝑦 M = g𝑦 + 0.3 :Barttlet
N
*𝑦 M = i𝑦 + :Anscombe et al.
O