মানোভা এবং নির্ভরশীল ভেরিয়েবলের মধ্যে পারস্পরিক সম্পর্ক: কতটা শক্তিশালী?


11

মানোভাতে নির্ভরশীল ভেরিয়েবলগুলি "খুব দৃ strongly়ভাবে সম্পর্কিত" হওয়া উচিত নয়। তবে কতটা শক্তিশালী একটি সম্পর্ক খুব শক্তিশালী? এই বিষয়ে মানুষের মতামত পাওয়া আকর্ষণীয় হবে interesting উদাহরণস্বরূপ, আপনি কি নিম্নলিখিত পরিস্থিতিতে মানোভা নিয়ে এগিয়ে যাবেন?

  • Y1 এবং Y2 এবংr=0.3p<0.005

  • Y1 এবং Y2 এবংপি = 0.049r=0.7p=0.049

হালনাগাদ

@ নিস্টপের জবাবে কিছু প্রতিনিধি উদ্ধৃতি:

  • "মানোভা এমন পরিস্থিতিতে যেখানে ডিভিএসের মধ্যে মধ্যম পারস্পরিক সম্পর্ক রয়েছে সে ক্ষেত্রে ভাল কাজ করে" (সান ফ্রান্সিসকো স্টেট ইউনিের কোর্স নোট)

  • "নির্ভরশীল ভেরিয়েবলগুলি পারস্পরিক সম্পর্কযুক্ত যা মানোয়ার জন্য উপযুক্ত" (মার্কিন যুক্তরাষ্ট্রের ইপিএ পরিসংখ্যান প্রাইমার)

  • "নির্ভরশীল ভেরিয়েবলগুলি ধারণাগতভাবে সম্পর্কিত হওয়া উচিত এবং এগুলি নিম্ন থেকে মধ্যম স্তরে একে অপরের সাথে সম্পর্কযুক্ত হওয়া উচিত।" (উত্তর অ্যারিজোনা বিশ্ববিদ্যালয় থেকে কোর্স নোট)

  • "প্রায় .3 থেকে .7 এর সাথে সম্পর্কিত ডিভিওগুলি যোগ্য" "(ম্যাক্সওয়েল 2001, গ্রাহক মনোবিজ্ঞান জার্নাল)

nb আমি এই অনুমানের কথা উল্লেখ করছি না যে Y1 এবং Y2 এর মধ্যে আন্তঃসীমাবদ্ধতাটি আন্তঃসংযোগের প্রকৃত পরিমাণ সম্পর্কে এই ধূসর অঞ্চলে কেবল স্বাধীন ভেরিয়েবলের সমস্ত স্তরে একই হওয়া উচিত।


1
কে বলে যে তাদের "খুব দৃ strongly়ভাবে সম্পর্কযুক্ত" হওয়া উচিত নয়, অর্থাত্ উক্ত উত্সটির উত্স কী?
onestop

9
একটি বন্য অনুমান করা: শূন্য সহাবস্থান, আপনি পাশাপাশি পৃথক anovas পরিচালনা করতে পারেন এবং এইভাবে আপনার কাজ সহজতর করতে পারেন। যদি খুব উচ্চতর সম্পর্ক থাকে তবে আপনি কেবলমাত্র Y ওয়্যারিয়েবলের একটিতে অ্যানাভা পরিচালনা করতে পারেন কারণ ফলাফলগুলি অন্য সকলের ক্ষেত্রে একই রকম।
রোল্যান্ডো 2

2
কেবল একটি দ্রষ্টব্য: আমি কোনও উত্তর স্বীকার না করার কারণটি হ'ল, যেমনটি প্রফেসর লি বলেছেন, এটি পরিষ্কার বলে মনে হচ্ছে না। সুতরাং প্রত্যেকের অবদান দরকারী।
ফ্রেইয়া হ্যারিসন

2
আমি @ রোল্যান্ডো 2 (এবং অন্যদের) সাথে একমত যে খুব উচ্চ সম্পর্কের ক্ষেত্রে মানোভা কোনও ভেরিয়েবলের (বা উদাহরণস্বরূপ) তাদের কোনও এনওভাতে খুব বেশি যোগ করে না , তবে বিদ্যমান উত্তরগুলির কোনওটিতে অন্তর্ভুক্ত না হওয়া গুরুত্বপূর্ণ বিষয়টি হ'ল : কেন এই পরিস্থিতিতে মানোভা কোনওভাবেই খারাপ হতে পারে ?
অ্যামিবা

উত্তর:


6

এর স্পষ্ট উত্তর নেই। ধারণাটিটি হ'ল যদি আপনার যদি কোনও সম্পর্ক থাকে যা 1 এ পৌঁছায় তবে আপনার মূলত একটি ভেরিয়েবল থাকে এবং একাধিক ভেরিয়েবল থাকে না। সুতরাং আপনি অনুমানের বিরুদ্ধে পরীক্ষা করতে পারেন যা r = 1.00। এই কথাটি বলে, মানোভা ধারণাটি আপনাকে আনোভা টেস্টের একটি সিরিজের চেয়ে আরও কিছু দেবে। এটি আপনাকে একটি পরীক্ষার সাথে সম্পর্ক সন্ধান করতে সহায়তা করে কারণ নির্ভরশীল ভেরিয়েবলগুলিকে একত্রিত করার সময় আপনি আপনার গড় বর্গ ত্রুটি কম করতে সক্ষম হন। আপনি যদি খুব নির্ভরশীল নির্ভরশীল ভেরিয়েবলগুলি ব্যবহার করেন তবে এটি সাহায্য করবে না।


3

কেন প্রভাব আকারের মানগুলির জন্য কোহেনের (1988, 1992) নির্দেশিকা ব্যবহার করবেন না? তিনি একটি "ছোট" , "মাঝারি" এবং "লার্জ" । এর সাহায্যে চলকগুলির সাথে মানোভা ব্যবহার করার পরামর্শ দেওয়া হবে যার নীচে ।( 0.24 r 0.36 ) ( আর 0.37 ) আর 0.37(0.1r0.23) (0.24R0.36) (R0.37)R0.37

তথ্যসূত্র

কোহেন, জে। (1988) আচরণবিজ্ঞানের জন্য পরিসংখ্যানীয় শক্তি বিশ্লেষণ। ২ য় এড। রাউটলেজ একাডেমিক, 567 পিপি।

কোহেন, জে (1992)। একটি পাওয়ার প্রাইমার মনস্তাত্ত্বিক বুলেটিন 112, 155-1515।


3

আমি যখনই প্রতিটি পর্যবেক্ষণের জন্য পরিমাপ করা একাধিক ডিভিতে গ্রুপগুলির সাথে তুলনা করছি তখনই আমি মানোভা চালানোর পরামর্শ দেব। ডেটা মাল্টিভারিয়েট, এবং একটি এমভি পদ্ধতি ব্যবহার করা উচিত সেই পরিচিত তথ্যের পরিস্থিতি মডেল করার জন্য। আমি এই পারস্পরিক সম্পর্কের ভিত্তিতে এটি ব্যবহার করব কিনা তা সিদ্ধান্ত নিতে বিশ্বাস করি না। সুতরাং আমি ম্যানোভা ব্যবহার করব এই পরিস্থিতিতে যে কোনওটির জন্য। ব্রুস থম্পসন (ERIC ID ED429110) দ্বারা নিম্নলিখিত সম্মেলনের কাগজের প্রাসঙ্গিক অংশগুলি পড়ার পরামর্শ দেব recommend

PS আমি বিশ্বাস করি যে 'ধারণার সাথে সম্পর্কিত' উক্তিটি স্টিভেনস বই থেকে এসেছে।


0

মানোভাতে কী সম্পর্ক থাকতে হবে বা কী ব্যবহার করা উচিত নয় সে সম্পর্কে দাবিগুলি মূলত "মিথ", (দেখুন ফরাসি, 2015, "মাল্টিভারিয়েট দ্বি-গ্রুপ নকশায় ইউনিভার্সিটি তুলনা করে পাওয়ার ও টাইপ আই ত্রুটি নিয়ন্ত্রণ")। তবে অবশ্যই, যদি আপনার ডিভিগুলি প্রায় নিখুঁতভাবে সম্পর্কিত হয় (যেমন, 1 বা -1 এর কাছাকাছি), আপনি নিজেকে জিজ্ঞাসা করা উচিত কেন আপনি এগুলিকে প্রথম স্থানে বিভিন্ন ভেরিয়েবল হিসাবে ব্যবহার করছেন।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.