Ο έλεγχος Mann-Whitney U στο SPSS συγκρίνει δύο ανεξάρτητες ομάδες όταν χρειάζεται μη παραμετρική στατιστική προσέγγιση. Ο έλεγχος δεν συγκρίνει άμεσα τους αριθμητικούς μέσους όρους. Αντίθετα, κατατάσσει από κοινού τις παρατηρήσεις των δύο ομάδων. Μετά εξετάζει αν οι κατατάξεις κατανέμονται διαφορετικά μεταξύ τους. Χρησιμοποιείται συχνά σε διατακτικά δεδομένα. Μπορεί επίσης να εφαρμοστεί όταν ποσοτικά δεδομένα δεν υποστηρίζουν κατάλληλα τον παραμετρικό έλεγχο t για ανεξάρτητα δείγματα.
Περιεχόμενα άρθρου
1. Πότε χρησιμοποιείται ο έλεγχος Mann-Whitney U στο SPSS;
Ο Mann-Whitney U χρησιμοποιείται όταν θέλεις να συγκρίνεις δύο ανεξάρτητες ομάδες ως προς μία μεταβλητή που μπορεί να καταταχθεί.
Ας υποθέσουμε ότι συγκρίνεις την επαγγελματική εξουθένωση μεταξύ εκπαιδευτικών δημόσιων και ιδιωτικών σχολείων. Κάθε συμμετέχων ανήκει μόνο σε μία ομάδα.
Οι δύο ομάδες είναι επομένως ανεξάρτητες. Ο ίδιος άνθρωπος δεν μπορεί να εμφανίζεται και στις δύο ομάδες της συγκεκριμένης σύγκρισης.
Ο Mann-Whitney αποτελεί συχνή μη παραμετρική εναλλακτική του ελέγχου t για δύο ανεξάρτητα δείγματα. Οι δύο έλεγχοι όμως λειτουργούν διαφορετικά.
Ο έλεγχος t εξετάζει διαφορά μέσων όρων υπό συγκεκριμένες προϋποθέσεις. Ο Mann-Whitney χρησιμοποιεί τη σχετική κατάταξη των παρατηρήσεων.
Μπορεί να είναι κατάλληλος όταν η εξαρτημένη μεταβλητή έχει διατακτικό επίπεδο μέτρησης. Παράδειγμα αποτελεί μια μεμονωμένη κλίμακα διαβαθμισμένης απάντησης.
Μπορεί επίσης να χρησιμοποιηθεί για ποσοτική μεταβλητή με προβληματική κατανομή. Ωστόσο, η μη κανονικότητα δεν επιβάλλει αυτομάτως Mann-Whitney.
Το μέγεθος του δείγματος επηρεάζει την ανθεκτικότητα των παραμετρικών διαδικασιών. Πρέπει επίσης να εξετάσεις την ασυμμετρία και τις ακραίες τιμές.
Για αυτό δεν επιλέγουμε μηχανικά έλεγχο μόνο από το Shapiro-Wilk. Δες και τον οδηγό για τον έλεγχο κανονικότητας στο SPSS.
Αν έχεις τρεις ή περισσότερες ανεξάρτητες ομάδες, ο Mann-Whitney δεν αποτελεί τον κατάλληλο συνολικό έλεγχο. Τότε εξετάζεις τον Kruskal-Wallis.
2. Ποιες προϋποθέσεις έχει ο έλεγχος Mann-Whitney U στο SPSS;
Ο έλεγχος Mann-Whitney U στο SPSS δεν απαιτεί κανονική κατανομή. Χρειάζεται όμως συγκεκριμένη δομή δεδομένων και σωστό ερευνητικό σχεδιασμό.
Πρώτα χρειάζεσαι μία ανεξάρτητη μεταβλητή με δύο ομάδες. Παράδειγμα αποτελεί η ομάδα παρέμβασης και η ομάδα ελέγχου.
Η εξαρτημένη μεταβλητή πρέπει να επιτρέπει ουσιαστική κατάταξη. Μπορεί να είναι διατακτική ή ποσοτική.
Οι παρατηρήσεις μεταξύ των δύο ομάδων πρέπει να είναι ανεξάρτητες. Η βαθμολογία ενός συμμετέχοντα δεν πρέπει να συνδέεται με άλλη βαθμολογία.
Αν έχεις δύο μετρήσεις στους ίδιους ανθρώπους, δεν χρησιμοποιείς Mann-Whitney. Για δύο σχετιζόμενες μετρήσεις εξετάζεται συνήθως ο Wilcoxon.
Πρέπει επίσης να εξετάσεις το σχήμα των κατανομών. Αυτό επηρεάζει σημαντικά τον τρόπο με τον οποίο θα περιγράψεις το αποτέλεσμα.
Αν οι δύο κατανομές έχουν παρόμοιο σχήμα, η διαφορά μπορεί να ερμηνευτεί ως μετατόπιση της θέσης τους.
Σε αυτή την ειδική περίπτωση χρησιμοποιείται συχνά η διάμεσος για περιγραφική παρουσίαση. Δεν σημαίνει ότι ο έλεγχος συγκρίνει πάντοτε διαμέσους.
Αν τα σχήματα είναι πολύ διαφορετικά, το αποτέλεσμα αφορά γενικότερη διαφοροποίηση των κατανομών. Η ερμηνεία αποκλειστικά ως διαφορά διαμέσων είναι προβληματική.
Η επίσημη τεκμηρίωση της IBM διευκρινίζει επίσης αυτή τη διάκριση. Για ερμηνεία ως διαφορά θέσης απαιτείται παρόμοιο σχήμα κατανομών.
Επομένως, κοίταξε τα δεδομένα πριν από τον έλεγχο. Ένα θηκόγραμμα μπορεί να βοηθήσει στην αρχική σύγκριση των δύο ομάδων.
3. Πώς εκτελείς τον Mann-Whitney U στο SPSS;
Στο αρχείο δεδομένων κάθε γραμμή αντιστοιχεί συνήθως σε έναν συμμετέχοντα. Μία στήλη περιέχει την εξαρτημένη μεταβλητή.
Μια δεύτερη στήλη δηλώνει την ομάδα. Για παράδειγμα, μπορείς να κωδικοποιήσεις την πρώτη ομάδα ως 1 και τη δεύτερη ως 2.
Πριν ξεκινήσεις, έλεγξε ότι οι κωδικοί ομάδας έχουν οριστεί σωστά. Έλεγξε επίσης αν υπάρχουν ελλιπείς ή λανθασμένες τιμές.
Στις σύγχρονες εκδόσεις του SPSS μπορείς να επιλέξεις «Ανάλυση → Μη παραμετρικοί έλεγχοι → Ανεξάρτητα δείγματα».
Τοποθέτησε τη μεταβλητή που θέλεις να συγκρίνεις στο αντίστοιχο πεδίο ελέγχου. Ως μεταβλητή ομάδας όρισε τη δίτιμη κατηγορική μεταβλητή.
Στις ρυθμίσεις επίλεξε τον Mann-Whitney U. Το SPSS θα κατατάξει από κοινού τις παρατηρήσεις των δύο ομάδων.
Υπάρχει επίσης η παλαιότερη διαδρομή «Ανάλυση → Μη παραμετρικοί έλεγχοι → Παλαιοί διάλογοι → 2 ανεξάρτητα δείγματα».
Εκεί ορίζεις την εξαρτημένη μεταβλητή και τη μεταβλητή ομάδας. Μετά καθορίζεις τους δύο αριθμητικούς κωδικούς των ομάδων.
Ο πρώτος σημαντικός πίνακας δείχνει το πλήθος συμμετεχόντων σε κάθε ομάδα. Παρουσιάζει επίσης τη μέση κατάταξη κάθε ομάδας.
Η ομάδα με μεγαλύτερη μέση κατάταξη τείνει να έχει υψηλότερες παρατηρήσεις. Αυτό δεν αρκεί όμως για συμπέρασμα στατιστικής σημαντικότητας.
Ο επόμενος πίνακας παρουσιάζει το στατιστικό U. Συνήθως παρουσιάζει επίσης το Z και την αντίστοιχη τιμή p.
Η IBM επιβεβαιώνει ότι η διαδικασία βασίζεται στην κατάταξη κάθε παρατήρησης. Το SPSS εμφανίζει επίσης τα αθροίσματα των κατατάξεων.
Για πρακτικότερη εξοικείωση με το πρόγραμμα μπορείς να δεις τον οδηγό πώς να κάνεις εργασία με το SPSS.
4. Πώς ερμηνεύεις τις κατατάξεις, το U και την τιμή p;
Ας υποθέσουμε ότι η πρώτη ομάδα έχει μέση κατάταξη 42,8. Η δεύτερη έχει μέση κατάταξη 58,6.
Η δεύτερη ομάδα τείνει επομένως να παρουσιάζει υψηλότερες τιμές. Πρέπει όμως να εξετάσεις τον στατιστικό έλεγχο πριν καταλήξεις σε συμπέρασμα.
Ας υποθέσουμε ότι το αποτέλεσμα δίνει U = 812, Z = -2,74 και p = 0,006. Η διαφορά είναι στατιστικά σημαντική.
Με επίπεδο σημαντικότητας 0,05 απορρίπτεις τη μηδενική υπόθεση. Υπάρχουν ενδείξεις διαφοροποίησης μεταξύ των δύο ανεξάρτητων ομάδων.
Δεν πρέπει όμως να γράψεις ότι η δεύτερη ομάδα «προκάλεσε» υψηλότερη βαθμολογία. Ο Mann-Whitney δεν αποδεικνύει αιτιότητα.
Η κατεύθυνση της διαφοράς εξετάζεται μέσα από τις κατατάξεις και τα περιγραφικά στοιχεία. Η τιμή U από μόνη της δεν δείχνει κατεύθυνση.
Ο Mann-Whitney είναι στενά συνδεδεμένος με τον έλεγχο αθροίσματος κατατάξεων Wilcoxon. Οι δύο διατυπώσεις βασίζονται στην ίδια λογική κατατάξεων.
Το University of Virginia Library εξηγεί αναλυτικά αυτή τη σχέση και τον τρόπο δημιουργίας των κατατάξεων.
Μαζί με τη στατιστική σημαντικότητα είναι χρήσιμο να παρουσιάζεις και μέγεθος επίδρασης. Μία συνηθισμένη επιλογή είναι το r.
Το r μπορεί να υπολογιστεί από την απόλυτη τιμή του Z προς την τετραγωνική ρίζα του συνολικού N.
Για παράδειγμα, αν Z = -2,74 και N = 100, τότε r = 0,274. Το πρόσημο του Z δεν χρειάζεται στο μέγεθος.
Μην αντιμετωπίζεις όμως τα συμβατικά όρια του r ως απόλυτους νόμους. Η πρακτική σημασία εξαρτάται από το ερευνητικό πεδίο.
Χρειάζεται επίσης προσοχή με την τιμή p. Μικρή τιμή p δεν σημαίνει αναγκαστικά μεγάλη ή ουσιαστική διαφορά.
5. Πώς παρουσιάζεις τον έλεγχο Mann-Whitney U στο SPSS στην πτυχιακή;
Στη μεθοδολογία εξήγησε γιατί επέλεξες τον έλεγχο Mann-Whitney U στο SPSS. Ανέφερε ότι συγκρίνεις δύο ανεξάρτητες ομάδες.
Περιέγραψε επίσης το επίπεδο μέτρησης της εξαρτημένης μεταβλητής. Αν η επιλογή σχετίζεται με την κατανομή, εξήγησε τον σχετικό έλεγχο.
Απόφυγε τη γενική διατύπωση «χρησιμοποιήθηκε Mann-Whitney επειδή τα δεδομένα δεν ήταν κανονικά». Χρειάζεται πιο συγκεκριμένη αιτιολόγηση.
Στα αποτελέσματα παρουσίασε πρώτα κατάλληλα περιγραφικά στοιχεία για κάθε ομάδα. Σε ασύμμετρα δεδομένα συχνά χρησιμοποιείται η διάμεσος.
Μπορείς να προσθέσεις το ενδοτεταρτημοριακό εύρος. Έτσι ο αναγνώστης βλέπει τόσο την κεντρική θέση όσο και τη διασπορά.
Μετά παρουσίασε το αποτέλεσμα του στατιστικού ελέγχου. Μια πλήρης αναφορά περιλαμβάνει τουλάχιστον το U και την τιμή p.
Αν χρησιμοποιείς το Z για υπολογισμό μεγέθους επίδρασης, μπορείς επίσης να το αναφέρεις. Δήλωσε ξεκάθαρα τον δείκτη που χρησιμοποίησες.
Μια ενδεικτική διατύπωση είναι: «Ο Mann-Whitney U έδειξε στατιστικά σημαντική διαφοροποίηση μεταξύ των δύο ομάδων, U = 812, p = 0,006».
Μετά εξήγησε ποια ομάδα παρουσίασε υψηλότερες τιμές. Χρησιμοποίησε τα περιγραφικά στοιχεία και τις κατατάξεις για αυτή την ερμηνεία.
Αν το αποτέλεσμα δεν είναι σημαντικό, μην γράψεις ότι οι ομάδες είναι «ίδιες». Απλώς δεν βρέθηκε επαρκής ένδειξη διαφοράς.
Πρόσεξε επίσης την ερμηνεία των διαμέσων. Αν οι κατανομές έχουν διαφορετικά σχήματα, μην παρουσιάσεις τον έλεγχο σαν απλή σύγκριση διαμέσων.
Για την παρουσίαση των δεδομένων μπορείς να δεις την περιγραφική στατιστική σε πτυχιακή ή διπλωματική.
Για ευρύτερη υποστήριξη μπορείς επίσης να δεις τη σελίδα για στατιστικές αναλύσεις.
Η σωστή παρουσίαση συνδέει την επιλογή του ελέγχου με τον σχεδιασμό. Μετά παρουσιάζει τα αποτελέσματα χωρίς να αποδίδει υπερβολικά συμπεράσματα.
Χρειάζεσαι βοήθεια με τη στατιστική ανάλυση;
Αν χρειάζεσαι βοήθεια με τη στατιστική ανάλυση της πτυχιακής σου, στείλε το αρχείο δεδομένων. Στείλε επίσης τα ερευνητικά ερωτήματα και ό,τι άλλο έχεις στη διάθεσή σου.
Μπορείς να συμβουλευτείς τις ενδεικτικές τιμές για μια πρώτη εικόνα. Η τελική κοστολόγηση εξαρτάται από τα δεδομένα. Εξαρτάται επίσης από την πολυπλοκότητα της απαιτούμενης ανάλυσης.
Για συγκεκριμένη εκτίμηση, συμπλήρωσε τη φόρμα κοστολόγησης και επισύναψε τα διαθέσιμα αρχεία. Αν χρειάζεσαι πρώτα διευκρίνιση, μπορείς να επικοινωνήσεις μαζί μας.