‫דף נוסחאות – גל נאור‬

‫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
‫*בודק האם ההתפלגות מוטה‬
‫*בהתפלגות נורמלית ‪sk=0‬‬
‫‪ -‬נגדיר התפלגות שהיא בקירוב לנורמאלית אם היא סוטה בטווח סביר ה‪0‬‬
‫‪ -‬בהתפלגות נורמלית ממוצע = חציון‬
‫*‪ SK‬בודק את ההבדל בין הממוצע לבין החציון חלקי סטיית התקן כפול ‪.3‬‬
‫*ככל ש‪ SK‬הולך וגדל בערך מוחלט ‪ ß‬ההתפלות סוטה ולא נורמלית‪.‬‬
‫חישוב ‪ Z‬עבור ‪:Skewness‬‬
‫𝑠𝑠𝑒𝑛𝑤𝑒𝑘𝑆‬
‫= ‪𝑍56‬‬
‫𝑠𝑠𝑒𝑛𝑤𝑒𝑘𝑆 ‪𝑆. 𝐸.‬‬
‫ציון ‪ Z‬תקין עבור ‪:Skewness‬‬
‫*עבור ‪n<50‬‬
‫‪-1.96 ≤ z(sk) ≤ 1.96 -‬‬
‫*עבור ‪300>n>50‬‬
‫‪-3.29 ≤ z(sk) ≤ 3.29 -‬‬
‫*עבור ‪n>300‬‬
‫‪-2 ≤ skewness ≤ 2 -‬‬
‫גבנוניות )‪:(Kurtosis‬‬
‫*בודק עד כמה הפעמון סביר )או לחילופין שטוח‪/‬שפיצי(‬
‫*בהתפלגות נורמלית ‪kurt=0‬‬
‫ס ו גי‬
‫*התפלגות שטוחה מידי = ‪(-) Platykurtic‬‬
‫*התפלגות שפיצית מידי = ‪(+) Leptokurtic‬‬
‫*התפלגות נורמלית = ‪(0) Mesokurtic‬‬
‫חישוב ‪ Z‬עבור ‪:Kurtosis‬‬
‫𝑠𝑖𝑠𝑜𝑡𝑟𝑢𝐾‬
‫= ?>=‪𝑍6‬‬
‫𝑠𝑖𝑠𝑜𝑡𝑟𝑢𝐾 ‪𝑆. 𝐸.‬‬
‫ציון ‪ Z‬תקין עבור ‪:Skewness‬‬
‫*עבור ‪n<50‬‬
‫‪-1.96 ≤ z(kurt) ≤ 1.96 -‬‬
‫*עבור ‪300>n>50‬‬
‫‪-3.29 ≤ z(kurt) ≤ 3.29 -‬‬
‫*עבור ‪n>300‬‬
‫‪-2 ≤ kurtosis ≤ 2 -‬‬
‫מבחנים שבודקים האם ההתפלגות נורמאלית‪:‬‬
‫* ‪ – Shapiro-Wilks‬עוצמה הכי חזקה‬
‫*‪Anderson Darling‬‬
‫* ‪Cramer‬‬
‫*‪ – Kolmogorov-Smirnov‬עוצמה הכי חלשה‬
‫חי בריבוע לבדיקת נורמליות‪:‬‬
‫* בוחן האם ההתפלגות הנצפית )‪ (observed‬היא נורמלית )‪(expected‬‬
‫‪ -‬נרצה לא לדחות את ‪H0‬‬
‫* ‪ :H0‬אין הבדל בין ‪ orbs‬ל‪exp‬‬
‫שלבים‪:‬‬
‫*מחלקים את הנתונים לקטגוריות )רצוי שוות רוחב(‬
‫*חישוב הערכים הצפויים בכל קטגוריה‪:‬‬
‫‪ – F -‬פונקציית ההתפלגות הנורמלית המצטברת )השטח הצפויה עד לאותה נקודה(‬
‫‪ – Xhh -‬הגבול העליון האמיתי של הקטגוריה )‪(High High‬‬
‫‪ – Xll -‬הגבול התחתון האמיתי של הקטגוריה )‪(Low Low‬‬
‫* כדי לחשב את ‪ – exp‬נחשב משהו השט עד לנקודה ‪X‬‬
‫‪ -‬סך כל השטח תמיד יהיה שווה ל‪1-‬‬
‫*לחישוב השטח היחסי של הקטגוריה‪:‬‬
‫)) ‪𝑒𝑥𝑝7 = 𝑛(𝐹(𝑥<< ) − 𝐹(𝑥22‬‬
‫‪ – expi -‬כמה אנשים נצפה שיבלו באותה הקטגוריה‬
‫באקסל‪:‬‬
‫* )‪=NORMDIST(x,mean,stdevp,TRUE‬‬
‫*לאחר מכן נעשה ‪d-c‬‬
‫‪Xll‬‬ ‫‪Xhh‬‬ ‫)‪=NORMDIST(xll,mean,Sn,TRUE‬‬ ‫)‪=NORMDIST(xhh,mean,Sn,TRUE‬‬ ‫)‪d-c=p(x‬‬
‫‪20.5‬‬ ‫‪25.5‬‬ ‫‪0‬‬ ‫‪a‬‬ ‫‪a-0‬‬
‫‪25.5‬‬ ‫‪30.5‬‬ ‫‪a‬‬ ‫‪b‬‬ ‫‪b-a‬‬
‫‪30.5‬‬ ‫‪35.5‬‬ ‫‪b‬‬ ‫‪1‬‬ ‫‪1-b‬‬
‫*כדי לבדוק את ההשערות שלנו‬
‫‪ -‬כדי לחשה את הצפוי‬
‫* ‪EXP=p(x)*n‬‬
‫* נכניס את הנתונים של הנצפה ‪OBS‬‬
‫*כדי לחשב את החי בריבוע‪:‬‬
‫‪((OBS-EXP)^2)/EXP -‬‬
‫‪ -‬סוכמים את הטור‬
‫*חישוב ‪:P Value‬‬
‫‪=CHIDIST(x,df) -‬‬
‫‪:Shapiro-Wilks Test‬‬
‫* מבוסס על חי בריבוע לטיב התאמה‬
‫*‪ ß p≤0.05‬ניתן לומר שההתפלגות אינה סוטה בקירוב מהנורמליות‬
‫ב‪JASP‬‬
‫בודקים שהמבחן יצא מובהק ‪ à “V” distribution plots à Statistics à “V” Shapiro-WK test à‬מכניסים משתנים ‪Descriptives à‬‬
‫‪:Kolmogorov-Smirnov Test‬‬
‫* מבוסס על חי בריבוע לטיב התאמה‬
‫*‪ ß p≤0.05‬ניתן לומר שההתפלגות אינה סוטה בקירוב מהנורמליות‬

‫*יתכן שמבחן אחד יהיה מובהק ואחר לא‬ ‫ב‪JASP‬‬

‫*למדגם גדול נבחר ‪ ,Shapiro-Wilks‬למדגם קטן את הטייה וגבנוניות‬ ‫מכניסים את המשתנה ‪Distributions à Continuous à Normal à Generate and Display Data à‬‬
‫*מבחן לא עוצמתי מוריד מהשערת המחקר‪ ,‬אבל מאפשר יותר דרגות חופש‪.‬‬ ‫‪9 Estimate Parameters à Maximum likelihood and Estimates‬‬
‫בודקים מובהקות ‪9 Asses Fit àKolmogorov-Smirnov à‬‬

‫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

‫ניתוח שונות חד כיווני ‪ -‬המודל‪:‬‬

‫‪ P Value‬באקסל‪:‬‬ ‫נוסחאות חשובות‪:‬‬ ‫המודל של ניתוח שונות אומר כי הציון של ילד הוא פונקציה של ממוצה הקבוצה אילה הוא שייך פלוס‬
‫‪∑+‬‬
‫‪,-#(#+ ×.‬‬
‫)*‪***+‬‬
‫* )‪=FDIST(f,dfB,dfW‬‬ ‫= ̿𝑥‬ ‫*‬ ‫הטעות‬
‫‪∑+‬‬
‫‪,-# #+‬‬ ‫* ‪𝑥79 = 𝜇9 + 𝜀79‬‬
‫ניתוח שונות חד‪-‬כיווני – השוואות מרובות‪:‬‬ ‫‪ i – 𝑖 = 1 … 𝑛 -‬עד גודל הפריטים בקבוצה ה‪) k-‬הנבדק(‬
‫*תוצאה מובהקת בניתוח שונות = לפחות קבוצה אחת שונה באופן מובהק מהאחרות אבל לא ניתן לדעת מאיפה השוני נובע‪.‬‬ ‫‪ j – 𝑗 = 1 … 𝑘 -‬מספר הקבוצה‬
‫*מבחני השוואה )‪ (comparisons‬יאפשרו לבחן זאת‪.‬‬ ‫‪ – 𝑥79 -‬ציון של נבדק ‪ i‬בקבוצה ‪j‬‬
‫*ככל שעושים יותר השוואות הסיכוי לטעות מסוג ראשון עולה‬ ‫* ‪ = i‬מספר נבדק )מיקום בתוך הקבוצה(‬
‫* ‪ = j‬מספר הקבוצה )לאיזה קבוצה שייך(‬
‫שני סוגים‪:‬‬ ‫‪ – 𝜀79 -‬טעות שעושים עבור אותו הילד‬
‫‪ -‬השוואה לאחר מעשה )‪ – (Post hoc comparisons‬נמצאה תוצאה מובהקת במבחן ‪ F‬ועכשיו רוצים לדעת מהו מקור ההבדל‬ ‫‪ – 𝜇9 -‬ממוצע קבוצת ‪j‬‬
‫‪ -‬השוואה לפני מעשה )‪ – (Ad hoc comparisons‬השוואה אפריוריות‪ .‬מבצעים אותה לפי השערה מסוימת שהוחלטה לפני איסוף‬
‫הנתונים‪.‬‬ ‫אפשר להגדיר את הטעות בצורה אחרת‪ ,‬הממוצע של הילד בכיתה מסוימת שווה לממוצע של כל‬
‫הילדים פלוס התרומה של הכיתה הספציפית שלו פלוס איזו שהיא טעות‬
‫* ‪𝑥79 = 𝜇 + 𝛽9 + 𝜀79‬‬
‫השוואות‪:‬‬
‫*אפשר להשוות קבוצות בודדות או שילוב של קבוצות תוך שמירה על קנה מידה ע״י חילוק במספר הקבוצות אליהן בוצע הפעולה‬ ‫‪ – 𝜇 -‬ממוצע כללי של האוכלוסיה‬
‫המתמטית‬ ‫‪ – 𝜀79 -‬טעות‬
‫*השוואה )‪ – (contrast‬סכום של קבוע שמכפיל כל קבוצה )‪ (cj‬כפול ממוצע הקבוצה‬ ‫‪ – 𝛽9 -‬התרומה של הקבוצה המסוימת‬
‫‪ – c -‬משקולות‬ ‫* 𝜇 ‪𝛽9 = 𝜇9 −‬‬
‫* כדי שהשוואה תהיה חוקית )ב״ת(‪ ,‬סכום המשקולות חייב להיות שווה ל‪0-‬‬ ‫‪ – 𝜇9 -‬ממוצע של הקבוצה‬
‫‪6‬‬
‫‪ – 𝜇 -‬הממוצע הכללי‬
‫‪S 𝑐9 𝜇9‬‬ ‫* זו התוספת של ההשתייכות לקבוצת ‪.j‬‬
‫(‪98‬‬ ‫*‪∑698( 𝛽9 = 0‬‬
‫‪ -‬כמו השערת האפס ‪𝐻: : 𝜇( = 𝜇- … = 𝜇6 ⟹ 𝜎;- = 0 ß‬‬
 ‫מבחני פוסט הוק ב‪JASP‬‬
‫מזינים את ‪ANOVA à Classical à ANOVA à‬‬
‫‪) + Fixed‬תלוי( ‪ à Dependent Variable‬המשתנים‬
‫)ב״ת( ‪Factors‬‬
‫‪Display à Descriptive Statistics + Estimates of‬‬
‫) ‪effect size (partial 𝜂 -‬‬
‫ממוצעים‪ ,‬ס״ת‪ ,‬גודל ‪*Descriptive Statistics à n‬‬
‫מתייחס לגודל האפקט ‪*Estimates of effect size à‬‬
‫‪Assumption Checks à Homogeneity tests‬‬
‫‪ à Homogeneity corrections‬שוויון שונויות מתקיים*‬
‫‪à None‬‬
‫‪ à Homogeneity‬שוויון שונויות לא מתקיים*‬
‫‪corrections à Welch‬‬
‫‪Descriptive Plots à Display à Display error‬‬
‫לבחור אחד מהשניים נעביר את המשתנים ‪bars à‬‬
‫שנרצה שיהיה על ה‪x‬‬
‫‪*Horizontal Axis àgroups‬‬
‫מעברים את המשתנים שרוצים לבחון ‪Post hoc Test à‬‬
‫‪àType à Standard à Corrections à Tukey‬‬
‫ניתוח שונות דו כיווני – אפקטים ואינטראקציה‬
‫*אפקט פשוט – אפקט של אחד מהמשתנים עבור אחד‬
‫מהערכים של המשתנה השני‬
‫*אפקט עיקרי – הבדל בין הממוצעים של אחד המשתנים‬
‫מעבר לערכים של המשתנה האחר‬
‫אינטראקציה אורדינלית מול דיס‪-‬אורדינא לית‬
‫*אורדינלית – שומרת על הכיוון לארוך כל הערכים של‬
‫המשתנה השני‬
‫*דיס‪-‬אורדינאלית – לא שומרת על הכיוון‬
‫*במידה והתקבלו אפקטים מובהקים של אינטראקציה‬
‫בתוספת אפקט עיקרי‪ ,‬יש לפענח את האפקט העירקי‬
‫רק אם האינטראקציה אורדינאלית‪.‬‬
‫יש אינטראקצ יה‪ ,‬אורדינלית עבור קבוצה‪ ,‬דיס‪-‬אורדינלית עבור מגדר‬
‫יש אינטראקציה‪ ,‬אורדינלית עבור מגדר ‪ ,‬דיס‪-‬אורדינלית עבור קבוצה‬
‫יש אינטראקצ יה‪ ,‬דיס‪-‬אורדינלית עבור מין וקבוצה‬
‫*משתנה תוך נבדקי – משתנה שנבדוק בתוך כל קבוצה‬
‫*משתנה לטנטי – משתנה סמוי‪ ,‬לא רואים אותו אבל נמצא ברקע‬
‫*משתנה בין נבדקי – משתנה המחלק את הנבדקים לקבוצות )קבוצת ניסוי מול ביקורת(‬
‫* )‪ ß 2X(4‬מערך עם ‪ 4‬משתנים תוך נבדקים ו‪ 2‬משתנים תוך נבדקים‪.‬‬
‫חסרון המערך‪:‬‬
‫*הנבדקים רוכשים ניסיון עם המדידות‬
‫השונות‬
‫‪ -‬חשוב לערוך רנדומיזציה של תנאי‬
‫ההעברה‪.‬‬
‫*מתבצע ניתוח רב‪-‬משתני אחד על משתנה חדש – קומבינציה ליניארית של כל המשתנים התלויים‪.‬‬
‫‪𝐻: : 𝜇(( = 𝜇(- = ⋯ = 𝜇(6‬‬
‫‪𝜇-( = 𝜇-- = ⋯ = 𝜇-6‬‬
‫…‬
‫‪𝜇1( = 𝜇1- = ⋯ = 𝜇16‬‬
‫השוואה )קונטרסט( באופן כללי‬ ‫השוואות בלתי תלויות‬
‫*האות פסי )𝜓( – קיצור לקונטרסט‪/‬השוואה‬ ‫* עבור כל זוג מערכות‪ ,‬סכום המכפלות של מקדמי הקבוצות שווה ל‪0-‬‬
‫‪𝜓 = ∑698( 𝑐9 × 𝜇9 -‬‬ ‫‪ -‬קיימות ‪ k-1‬השוואות כאלה‬
‫‪ – 𝜓 -‬תמיד יהיה שווה ל‪0‬‬
‫*‪ – 𝜓c‬אומדן לקונטרסט על פי ממוצעי הקבוצות‬ ‫חישוב משקולות‪:‬‬
‫‪𝜓c = ∑698( 𝑐9 × 𝑥̅9 -‬‬ ‫*עבור על השערה )‪ (j‬כותבים את המשקולת עבור כל קבוצה )‪(ci‬‬
‫*מכפילים את המשקולת של קבוצה מסוימת במשקולת שלה בהשערה השנייה‪.‬‬
‫‪ = 𝜓c -‬המכפלות של המקדמים כפול ממוצעי הקבוצות‬
‫*סוכמים את המשקולות‬
‫* ‪ – 𝑡L'6‬דרגות החופש‪ ,‬אם לא נבצע שום תיקון )‪ Ad-hoc‬ללא תיקון עבור השוואת מרובות(‬
‫*אם יצא ‪ 0‬אז ההשערה ב״ת‪ ,‬אם יצא שונה מ‪ 0‬ההשערה תלויה‪.‬‬
‫‪i‬‬
‫ההשוואה תראה כך‪:‬‬
‫‪𝐻: : 𝜓 = 𝑐( 𝜇( + 𝑐- 𝜇- + ⋯ + 𝑐6 𝜇6 = 0‬‬ ‫‪j‬‬ ‫‪c1‬‬ ‫‪c2‬‬ ‫‪c3‬‬ ‫))‪Sum(cij*ci(j+1‬‬
‫השוואה‬
‫‪1‬‬
‫‪ P Value‬באקסל‪:‬‬ ‫הנוסחה‪:‬‬ ‫השוואה‬
‫* )‪=TDIST(t,df,2‬‬ ‫𝜓 ‪𝜓c −‬‬
‫‪~𝑡L'6‬‬ ‫‪2‬‬
‫‪ -‬תמיד ‪ 2‬מכיוון שזה תמיד דו צדדי‬ ‫מכפלת‬ ‫מכפלת‬ ‫מכפלת‬ ‫סכום המכפלות‬
‫‪𝑐9-‬‬
‫(‪4𝑀𝑆𝑊 ∑698‬‬ ‫המשקולות‬ ‫המשקולות‬ ‫המשקולות‬ ‫של המשקולות‬
‫‪𝑛9‬‬
‫‪$‬‬
‫מבחני פוסט הוק‬
‫ניתוח שונות דו כיווני – ‪Two-Way ANOVA‬‬ ‫* תיקון בהשוואות הוא ב‪ p value‬ולא ב‪α-‬‬
‫* יותר ממשתנה ב״ת אחד‪ ,‬ומשתנה תלוי בודד‬ ‫‪ -‬בפועל מגדילים את ה‪ p value‬ואז יותר קשה לדחות את ‪H0‬‬
‫המודל‪:‬‬ ‫סוגי מבחנים‪:‬‬
‫*המודל הקלאסי מכיל את כל האפקטים העיקריים ואת כל‬ ‫המחמיר ביותר למחמיר פחות‪:‬‬ ‫* ‪Bonferroni‬‬
‫האינטראקציות האפשריות‪:‬‬
‫*שפה < בונפרוני < סידק < תוקי‬ ‫‪ -‬מחלק את ה‪ α-‬במספר ההשוואות‬
‫‪𝑥796 = 𝜇 + 𝛼7 + 𝛽9 + 𝛼𝛽79 + 𝜀796 -‬‬ ‫‪I‬‬
‫‪𝛼1H = ./0 -‬‬
‫‪H‬‬
‫‪ -‬לדוגמה‪:‬‬
‫* 𝑛𝑜𝑖𝑠𝑖𝑟𝑎𝑝𝑚𝑜𝑐 𝑟𝑒𝑝 𝛼 = ‪𝛼1H‬‬
‫* 𝜇 – ממוצע כללי באוכלוסיה‬
‫* 𝛼 𝑙𝑎𝑛𝑖𝑔𝑖𝑟𝑜 𝑒‪𝛼JKE = 𝑎 𝑓𝑎𝑚𝑖𝑙𝑦𝑤𝑖𝑠𝑒 𝑒𝑟𝑟𝑜𝑟, 𝑡ℎ‬‬
‫* ‪ – 𝛼7‬שייכות לקבוצה במשתנה הב״ת הראשון )למשל‪ ,‬מגדר(‬
‫* ‪ – 𝛽9‬שייכות לקבוצה במשתנה הב״ת השני )למשל‪ ,‬גיל(‬ ‫* 𝑠𝑛𝑜𝑖𝑠𝑖𝑟𝑎𝑝𝑚𝑜𝑐 𝑓𝑜 𝑟𝑒𝑏𝑚𝑢𝑛 = 𝑐‬
‫* ‪Sidak‬‬
‫* ‪ – 𝛼𝛽79‬האינטראקציה בין השניים‬
‫‪ -‬אם יש הרבה השוואת סידק פחות מחמיר מבונפרוני‬
‫* ‪ – 𝜀796‬הטעות שיכולה להתרחש‬ ‫‪ -‬ה‪ α-‬של כל השוואה שווה לא ‪ 1‬פחות ה‪ α-‬שנקבעה מראש בחזקת ‪ 1‬חלקי מספר ההשוואות‬
‫‪ -‬יש לפענח את האפקטים המתקבלים‪ ,‬כמו בניתוח שונות חד‪ -‬כווני‪.‬‬ ‫‪#‬‬
‫אם לאפקט עיקרי מסוים ‪ 2‬ערכים בלבד‪ ,‬אין צורך בפענוח‪,‬‬ ‫‪𝛼1H = 1 − (1 − 𝛼JKE )1 -‬‬
‫מספיק להתבונן בממוצעים‪.‬‬ ‫*‪Scheffe‬‬
‫* 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
‫*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
‫‪ -‬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
‫ניתוח שונות גו‪-‬כיווני – ‪:JASP‬‬
‫ניתוח אפקטים פשוטים‪:‬‬
‫בודקים אם יש אפקט ‪ANOVA à Dependent + Fixed Factors à‬‬
‫‪Assumption checks à Homogeneity Tests‬‬
‫‪9 Homogeneity Corrections à check if needed‬‬
‫‪Descriptive Plots à Display error bars à Standard error‬‬
‫סוגי משתנים‬ ‫‪9 Horizontal Axis à group‬‬
‫*משתנה תלוי – המשתנה שהחוקר בודק‬ ‫‪9 Separate lines à gender‬‬
‫*משתנה בלתי תלוי – המשתנה קבוע‪/‬מבוקר‬
‫‪Simple Effect Factor à Simple Effect Factor = group, Moderator Factor 1 = gender‬‬
‫מערך מדידות חוזרות‪:‬‬ ‫‪ MANOVA‬ו‪:Repeated Measures ANOVA‬‬
‫*המדידות החוזרות יוצרות משתנה ב״ת שהוא תוך נבדקי‬ ‫*מתאים למצב בו יש יותר ממשתנה תלוי אחד‪.‬‬
‫*המערך זה נבנה על בסיס משתנים בין נבדקים ומשתנים תוך נבדקים‪.‬‬ ‫*מדידות חוזרות – ‪ :Repeated measures ANOVA‬המערך הנפוץ ביותר‪ ,‬מדידת אותו המשתנה‬
‫‪ -‬נציין את סוג המערך כך‪:‬‬ ‫בזמנים שונים או תחת תנאים שונים‪ .‬כל המשתנים באותה סקלת מדידה‪.‬‬
‫* )משתנה תוך נבדקי(‪X‬משתנה בין נבדקי‬ ‫* ‪ – MANOVA‬מדידת מדדים שונים אשר מטרתם לבחון את אותה תכונה על ולהשוות את‬
‫קומבינציית המדדים בין הקבוצות השונות‪.‬‬
‫יתרונות המערך‪:‬‬ ‫סוגי מערכים‪:‬‬
‫*כל נבדק מהווה ביקורת לעצמו‬ ‫*מערך מחקר בין נבדקי – החלוקה נעשית ע״י חלוקה לשתי קבוצות של ניסוי ושל ביקורת‬
‫‪ -‬המשתנה התלוי = השוני בין הטיפולים‬ ‫*מערך מחקר תוך נבדקי – ההבדל שבין לפני וערכי של אותם אנשים‪ .‬אותם אנשים משמשים‬
‫‪ -‬מקטין את השונות שבתוך הקבוצות‬ ‫לביקורת עבור עצמם‬
‫*עם מספר קטן של נבדקים ניתן להשיג ד״ח רבות‬
‫איך עושים מערך תוך נבדקי‪:‬‬
‫‪:MANOVA‬‬ ‫*המחקר חייב להיות ‪ – double blind‬גם החוקר וגם הנבדקים לא יודעים מי קיבל את הטיפול מתי‬
‫*מדידת מדדים שונים אשר מטרתם לבחון את אותה תכונת על‪.‬‬ ‫*נחלק את הנבדקים רנדומלית‬
‫*בחלק הראשון – חלק מהנבדקים יקבלו את הטיפול ביום הראשון וחלק יקבלו את הפלסבו‪.‬‬
‫*מובהקות יכולה לנבוע מהבדל באחד או יותר מהמשתנים התלויים‬ ‫*בחלק השני – נעשה הפוך מי שקיבל את הטיפול יקבל את הפלסבו ולהיפך‪.‬‬
‫*חייב להיות משתנה בין נבדקי ב״ת‬ ‫‪ -‬צעד זה נקרה ‪counter balance‬‬
‫*קידוד נתונים – נקודד לפי הטיפול לא לפי זמן העברה‬
‫יתרונות‪:‬‬ ‫‪ -‬אפשר להוסיף עמודה נוספת שתתייחס לסדר העברה )‪(carry over‬‬
‫*לא מנפח את ה‪α-‬‬
‫*לוקח בחשבון מתאים בין המשתנים התלויים השונים‪.‬‬ ‫מתי עושים ‪ MANOVA‬ומתי מדידות חוזרות ?‬
‫*קבוצה של משתנים מבחינה יותר טוב בין קבוצות מאשר כל משתנה בנפרד‬ ‫*מדידות חוזרות – בדיקת הבדלים בין המשתנים שמדדנו‬
‫*‪ – MANOVA‬להפוך את כל המדידות השונות ולאחד אותם למשתנה אחד מב לי להתעניין‬
‫‪ H0‬של ‪MANOVA‬‬ ‫בהבדלים בין המשתנים עצמם שמרכיבים אותו‪.‬‬
‫*‪ – P‬מספר המשתנים‬
‫* ‪ – k‬מספר הקבוצות‬
 ‫מדידות חוזרות ‪Repeated Measures ANOVA‬‬ ‫‪:MANOVA‬‬
‫*ב‪JASP‬‬ ‫הנחות‪:‬‬
‫מכניסים את המשתים ( ‪ à Repeated Measures Factors‬בחלון העליון ‪ANOVA à Repeated Measures ANOVA à‬‬ ‫*תצפיות ב״ת‬
‫‪ (Repeated Measures cells) à Between Subject Factors‬מסמנים את המשתנים ומעבירים לחתונות התחתונה‪) à‬הלטנטיים‬ ‫*המשתנים התלויים מתפלגים נורמלית בכל קבוצה‬
‫)‪ – group‬משתנה בין נבדקי(‬ ‫‪Multivariate normal distribution in each group -‬‬
‫‪ -‬כל קומבינציה בין המשתנים מתפלגת נורמלית‬
‫נבדוק האם יצאה אינטראקציה מובהקת בפלט‪ .‬במידה וכן נרצה לבדוק האם היא בכיוון הנכון‪ ,‬ולכן נוציא גרף‪:‬‬ ‫* נשתמש ב‪Shapiro Wilks test for Multivariate Normality‬‬
‫‪Descriptive Plots à Factors‬‬ ‫*שוויון שונויות – עבור כל משנה בין כל הקבוצות‬
‫‪9 Horizontal Axis à Time‬‬ ‫‪Homogeneity of Covariance Matrices -‬‬
‫משתנה לטנטי שרצינו לבחון ‪9 Separate lines à‬‬
‫‪9 Separate plots à group‬‬ ‫קיימ ים מספר סטטיסטיים אפשריים לבחון הבדל בין הקבוצות‪:‬‬
‫*‪SSB/SST – Pillai Test‬‬
‫נבצע מבחן פוסט‪-‬הוק ונבחן את הנחות המבחן )שוויות שוויות(‬ ‫* ‪SST/SSE – Wilks Test‬‬
‫”‪ à “V” Pool error terms for RM factors à Correction “V‬מעבירים את האינטראקציה שרוצים לבחון ‪Post hoc Test à‬‬ ‫*‪SST/SSB – Roy Test‬‬
‫‪Tukey à Display “V” Flag Significant Comparisons.‬‬ ‫* ‪SSB/SSE – Hotelling-Lawley‬‬

‫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-‬‬

‫איך נבין את הממצעים‪:‬‬

‫*במידה ונכניס את אותו משתנה חיצוני ותצא תוצאה לא מובהקת ‪ ß‬המשתנה החיצוני יהיה‬
‫ארטיפקט‬
‫*אם התוצאה לא הייתה מובהקת בהתח לה אך לאחר הכנסת ה‪ covariate‬היא הפכה למובהקת‬
‫‪ ß‬ה‪ = covariate‬משתנה מדכא‬

‫ה‪ covariate‬תשפיע על התוצאות רק אם‪:‬‬

‫*ה‪ covariate‬קשור למשתנה התלוי )קיים מתאם ביניהם(‬
‫*קיים הבדל בין הקבוצות עבור אותו ‪covariate‬‬

‫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

‫יש מספר אופציות‪:‬‬

‫*שימוש בסטטיסטיקה א‪-‬פרמטרית‬
‫*לנסות לטפל בנתונים בדרים שונות‪:‬‬
‫‪ -‬הוצאת מקרים קיצוניים )בצורה מושכלת‪ ,‬להוציא רק נתונים מאוד חריגים שנעשו מתוך טעות(‬
‫‪ -‬המרת ציונים לציוני תקן ולהוציא את הפריטים שהם ‪ 3‬סטיות תקן מעל‪/‬מתחת לממוצע‬
‫*ביצוע טרנספורמציה מתמטית על הנתונים כדי לטפל בבעיות חוסר שוויון שונויות או נורמאליות‬
‫טרנספורמציה לוגר יתמית‬
‫*משפיע מאוד על ערכים קיצוניים ומקרבת אותם‬
‫*)‪y’=log(y+1‬‬
‫*באקסל‪=log() :‬‬
‫*מתאימה כאשר‪:‬‬
‫‪ -‬הנחת שוויון שונויות אינה מתקיימת‬
‫‪ -‬בעיקר התפלגות המשתנה התלוי אינה נורמלית‬
‫*את כל הניתוחים נעשה על המספרים שעברו טרנספורמציה!!‬
‫טרנספורמציות המשך‪:‬‬
‫טרנספורמציית ‪arcsine‬‬
‫*מומלצת‬
‫*מתאימה כאשר המשתנה התלוי הוא אחוז או פרופורציה מתוך סל הכל )‪ %‬תשובות נכונות של‬
‫נ ב ד ק(‬
‫*הטרנספורמציה מקרבת את הערכים למרכז והופכת את ההתפלגות מא‪-‬סימטרית לסימטרית‬
‫יותר‪.‬‬
‫* 𝑝‪𝑦 M = 𝑎𝑟𝑐𝑠𝑖𝑛g‬‬
‫* באקסל‪=asin(sqrt()) :‬‬

‫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