Ο έλεγχος Kruskal-Wallis στο SPSS συγκρίνει τρεις ή περισσότερες ανεξάρτητες ομάδες όταν χρειάζεται μη παραμετρική προσέγγιση. Βασίζεται στις κατατάξεις των παρατηρήσεων και όχι στους αρχικούς μέσους όρους. Χρησιμοποιείται συχνά όταν η εξαρτημένη μεταβλητή είναι διατακτική. Μπορεί επίσης να εφαρμοστεί σε ποσοτικά δεδομένα με σοβαρή απόκλιση από τις παραμετρικές προϋποθέσεις. Αν το συνολικό αποτέλεσμα είναι σημαντικό, χρειάζονται επόμενες συγκρίσεις για να εντοπίσεις ποιες ομάδες διαφέρουν.
Περιεχόμενα άρθρου
- 1. Πότε χρησιμοποιείται ο έλεγχος Kruskal-Wallis στο SPSS;
- 2. Ποιες προϋποθέσεις πρέπει να ελέγξεις;
- 3. Πώς εκτελείς τον έλεγχο Kruskal-Wallis στο SPSS;
- 4. Πώς ερμηνεύεις το αποτέλεσμα και τις επόμενες συγκρίσεις;
- 5. Πώς παρουσιάζεις τον Kruskal-Wallis στην πτυχιακή;
- Χρειάζεσαι βοήθεια με τη στατιστική ανάλυση;
1. Πότε χρησιμοποιείται ο έλεγχος Kruskal-Wallis στο SPSS;
Ο Kruskal-Wallis χρησιμοποιείται όταν θέλεις να συγκρίνεις τρεις ή περισσότερες ανεξάρτητες ομάδες ως προς μία εξαρτημένη μεταβλητή.
Ας υποθέσουμε ότι εξετάζεις την επαγγελματική εξουθένωση σε εκπαιδευτικούς τριών διαφορετικών βαθμίδων. Κάθε εκπαιδευτικός ανήκει σε μία μόνο ομάδα.
Οι ομάδες είναι επομένως ανεξάρτητες. Ο ίδιος συμμετέχων δεν πρέπει να εμφανίζεται ταυτόχρονα σε δύο διαφορετικές ομάδες.
Αυτό διαχωρίζει τον Kruskal-Wallis από τον Friedman. Ο Friedman χρησιμοποιείται για περισσότερες από δύο εξαρτημένες ή επαναλαμβανόμενες μετρήσεις.
Ο Kruskal-Wallis αποτελεί συχνή μη παραμετρική εναλλακτική της μονοπαραγοντικής ανάλυσης διακύμανσης. Οι δύο μέθοδοι όμως δεν ελέγχουν ακριβώς το ίδιο πράγμα.
Η ανάλυση διακύμανσης συγκρίνει μέσους όρους κάτω από συγκεκριμένες προϋποθέσεις. Ο Kruskal-Wallis βασίζεται στις κατατάξεις όλων των παρατηρήσεων.
Μπορείς να τον χρησιμοποιήσεις όταν η εξαρτημένη μεταβλητή είναι διατακτική. Παράδειγμα αποτελεί μια βαθμολογία ικανοποίησης με σαφή σειρά κατηγοριών.
Μπορεί επίσης να είναι κατάλληλος όταν μια ποσοτική μεταβλητή εμφανίζει σοβαρή ασυμμετρία. Η επιλογή όμως δεν πρέπει να γίνεται μηχανικά.
Ένα σημαντικό αποτέλεσμα στον Shapiro-Wilk δεν σημαίνει αυτόματα ότι χρειάζεσαι μη παραμετρικό έλεγχο. Εξέτασε και τη γραφική εικόνα των δεδομένων.
Για αυτό μπορείς πρώτα να συμβουλευτείς τον οδηγό για τον έλεγχο κανονικότητας στο SPSS.
2. Ποιες προϋποθέσεις έχει ο έλεγχος Kruskal-Wallis;
Ο Kruskal-Wallis δεν απαιτεί κανονική κατανομή. Αυτό όμως δεν σημαίνει ότι μπορεί να χρησιμοποιηθεί χωρίς έλεγχο του ερευνητικού σχεδιασμού.
Πρώτα χρειάζεσαι μία κατηγορική ανεξάρτητη μεταβλητή. Αυτή πρέπει να δημιουργεί τουλάχιστον τρεις διαφορετικές ομάδες.
Για παράδειγμα, η μεταβλητή «μορφωτικό επίπεδο» μπορεί να περιλαμβάνει τρεις κατηγορίες. Κάθε συμμετέχων πρέπει να ανήκει μόνο σε μία.
Η εξαρτημένη μεταβλητή πρέπει να επιτρέπει κατάταξη των παρατηρήσεων. Μπορεί επομένως να είναι διατακτική ή ποσοτική.
Οι παρατηρήσεις μεταξύ των ομάδων πρέπει επίσης να είναι ανεξάρτητες. Αυτό αποτελεί βασική προϋπόθεση του ελέγχου.
Αν οι ίδιοι άνθρωποι μετρώνται τρεις φορές, δεν έχεις ανεξάρτητες ομάδες. Σε αυτή την περίπτωση χρειάζεται διαφορετική διαδικασία.
Πρέπει επίσης να εξετάσεις τις κατανομές των ομάδων. Αυτό είναι σημαντικό για το είδος της ερμηνείας που θα κάνεις.
Αν οι κατανομές έχουν περίπου παρόμοιο σχήμα, η διαφορά στις κατατάξεις μπορεί να ερμηνευτεί ως διαφορά κεντρικής θέσης.
Αν τα σχήματα διαφέρουν έντονα, χρειάζεται μεγαλύτερη προσοχή. Τότε ένα σημαντικό αποτέλεσμα μπορεί να αντανακλά γενικότερη διαφορά κατανομών.
Για αυτό δεν είναι πάντα ακριβές να γράψεις ότι «ο Kruskal-Wallis συγκρίνει τις διαμέσους». Η συγκεκριμένη ερμηνεία χρειάζεται πρόσθετες συνθήκες.
Το University of Southampton περιγράφει τον έλεγχο για διατακτική ή ασύμμετρη ποσοτική μεταβλητή με περισσότερες από δύο ανεξάρτητες ομάδες.
3. Πώς εκτελείς τον έλεγχο Kruskal-Wallis στο SPSS;
Στο αρχείο δεδομένων κάθε γραμμή αντιστοιχεί συνήθως σε έναν συμμετέχοντα. Χρειάζεσαι ξεχωριστή μεταβλητή που δηλώνει την ομάδα του.
Ας υποθέσουμε ότι η μεταβλητή «Ομάδα» παίρνει τις τιμές 1, 2 και 3. Η δεύτερη μεταβλητή περιέχει τη βαθμολογία που συγκρίνεις.
Έλεγξε πρώτα ότι οι κωδικοί των ομάδων έχουν οριστεί σωστά. Ένα λάθος στην κωδικοποίηση μπορεί να αλλοιώσει ολόκληρη την ανάλυση.
Στις σύγχρονες εκδόσεις του SPSS χρησιμοποίησε «Ανάλυση → Μη παραμετρικοί έλεγχοι → Ανεξάρτητα δείγματα».
Στο πεδίο ελέγχου τοποθέτησε την εξαρτημένη μεταβλητή. Στο πεδίο ομάδων τοποθέτησε τη μεταβλητή που διαχωρίζει τους συμμετέχοντες.
Στις ρυθμίσεις μπορείς να επιλέξεις συγκεκριμένα τον έλεγχο Kruskal-Wallis. Η διαδικασία δημιουργεί το συνολικό αποτέλεσμα για τις ομάδες.
Το SPSS κατατάσσει όλες τις παρατηρήσεις από τη μικρότερη προς τη μεγαλύτερη. Μετά υπολογίζει τη μέση κατάταξη κάθε ομάδας.
Η υψηλότερη μέση κατάταξη δείχνει ότι μια ομάδα τείνει να έχει υψηλότερες παρατηρήσεις. Δεν αποτελεί όμως από μόνη της απόδειξη σημαντικής διαφοράς.
Ο βασικός πίνακας περιλαμβάνει το στατιστικό H του Kruskal-Wallis. Το SPSS παρουσιάζει επίσης βαθμούς ελευθερίας και τιμή p.
Για τέσσερις ομάδες οι βαθμοί ελευθερίας είναι τρεις. Γενικά ισούνται με τον αριθμό των ομάδων μείον ένα.
Η επίσημη τεκμηρίωση της IBM επιβεβαιώνει ότι ο έλεγχος κατατάσσει από κοινού τις παρατηρήσεις των ανεξάρτητων ομάδων. Παρουσιάζει επίσης τις μέσες κατατάξεις.
Μην περιορίσεις την παρουσίαση στην τιμή p. Παρουσίασε και κατάλληλα περιγραφικά στοιχεία για κάθε ομάδα.
Για διατακτικά ή έντονα ασύμμετρα δεδομένα μπορείς να χρησιμοποιήσεις διάμεσο. Χρήσιμο είναι επίσης το ενδοτεταρτημοριακό εύρος.
4. Πώς ερμηνεύεις τον Kruskal-Wallis και τις επόμενες συγκρίσεις;
Ας υποθέσουμε ότι το αποτέλεσμα είναι H(2) = 11,62 και p = 0,003. Υπάρχει στατιστικά σημαντική συνολική διαφορά μεταξύ των ομάδων.
Το αποτέλεσμα δεν σου λέει ακόμη ποιες ομάδες διαφέρουν. Δείχνει μόνο ότι δεν έχουν όλες το ίδιο πρότυπο κατατάξεων.
Για τρεις ομάδες υπάρχουν τρεις πιθανές ζευγαρωτές συγκρίσεις. Πρέπει να εξετάσεις αυτές τις συγκρίσεις με κατάλληλη διόρθωση.
Στις νεότερες διαδικασίες του SPSS μπορούν να παραχθούν συγκρίσεις Dunn μετά από σημαντικό Kruskal-Wallis. Χρησιμοποιείται διόρθωση για πολλαπλές συγκρίσεις.
Η MRC Cognition and Brain Sciences Unit του University of Cambridge περιγράφει τη διαδικασία Dunn στην επιλογή «Ανεξάρτητα δείγματα» του SPSS. Δες τον οδηγό για τις συγκρίσεις μετά τον Kruskal-Wallis.
Η διόρθωση Bonferroni μειώνει το όριο για κάθε επιμέρους σύγκριση. Έτσι περιορίζει την αύξηση του σφάλματος λόγω πολλών ελέγχων.
Μην εκτελείς ανεξέλεγκτα πολλά ξεχωριστά Mann-Whitney και χρησιμοποιείς παντού α = 0,05. Αυτή η πρακτική αυξάνει τα ψευδώς θετικά αποτελέσματα.
Στο τελικό αποτέλεσμα εξέτασε τις προσαρμοσμένες τιμές σημαντικότητας. Αυτές πρέπει να χρησιμοποιήσεις για να αποφασίσεις ποια ζεύγη διαφέρουν.
Ας υποθέσουμε ότι μόνο η πρώτη και η τρίτη ομάδα διαφέρουν σημαντικά. Δεν πρέπει να γράψεις ότι «όλες οι ομάδες παρουσίασαν διαφορά».
Περιέγραψε ακριβώς το συγκεκριμένο ζεύγος. Έπειτα εξέτασε τις διαμέσους και τις κατατάξεις για να κατανοήσεις την κατεύθυνση.
Μπορείς επίσης να υπολογίσεις μέγεθος επίδρασης. Η στατιστική σημαντικότητα από μόνη της δεν δείχνει πόσο μεγάλη είναι η διαφορά.
Η επιλογή δείκτη πρέπει να δηλώνεται στη μεθοδολογία. Απόφυγε να εφαρμόζεις διαφορετικούς τύπους χωρίς να εξηγείς ποιον χρησιμοποίησες.
5. Πώς παρουσιάζεις τον έλεγχο Kruskal-Wallis στο SPSS στην πτυχιακή;
Στη μεθοδολογία εξήγησε πρώτα γιατί επέλεξες τον έλεγχο Kruskal-Wallis στο SPSS. Ανέφερε ότι συγκρίθηκαν ανεξάρτητες ομάδες.
Εξήγησε επίσης γιατί δεν χρησιμοποιήθηκε η παραμετρική εναλλακτική. Η αιτιολόγηση πρέπει να βασίζεται στα πραγματικά χαρακτηριστικά των δεδομένων.
Μην γράψεις γενικά ότι «τα δεδομένα δεν ήταν κανονικά». Αν έλεγξες την κανονικότητα, εξήγησε με ποια διαδικασία.
Στα αποτελέσματα παρουσίασε πρώτα τα περιγραφικά στοιχεία κάθε ομάδας. Μπορείς να χρησιμοποιήσεις διάμεσο όταν αυτή ταιριάζει στα δεδομένα.
Στη συνέχεια παρουσίασε το συνολικό αποτέλεσμα. Για παράδειγμα: «Ο Kruskal-Wallis έδειξε στατιστικά σημαντική διαφορά μεταξύ των τριών ομάδων».
Μετά πρόσθεσε H, βαθμούς ελευθερίας και τιμή p. Έτσι ο αναγνώστης βλέπει τα βασικά στοιχεία του ελέγχου.
Αν το συνολικό αποτέλεσμα είναι σημαντικό, παρουσίασε τις ζευγαρωτές συγκρίσεις. Δήλωσε ποια διαδικασία χρησιμοποιήθηκε για τη διόρθωση πολλαπλών ελέγχων.
Για παράδειγμα, μπορείς να αναφέρεις ότι πραγματοποιήθηκαν συγκρίσεις Dunn με διόρθωση Bonferroni.
Μετά γράψε ποια συγκεκριμένα ζεύγη διαφοροποιήθηκαν. Μην παρουσιάσεις μόνο έναν πίνακα χωρίς ερμηνεία στο κυρίως κείμενο.
Πρόσεξε επίσης τις αιτιώδεις διατυπώσεις. Η διαφορά μεταξύ ομάδων δεν αποδεικνύει ότι η μεταβλητή ομαδοποίησης προκάλεσε το αποτέλεσμα.
Αν η μελέτη είναι διατομεακή, παρουσίασε το εύρημα ως διαφορά ή συσχέτιση με την ομαδοποίηση. Μην χρησιμοποιείς αιτιώδη γλώσσα.
Ο έλεγχος Kruskal-Wallis στο SPSS ολοκληρώνεται επομένως με περισσότερα από ένα p-value. Χρειάζεται συνολικός έλεγχος και σωστή διερεύνηση των διαφορών.
Για την παρουσίαση των βασικών χαρακτηριστικών του δείγματος μπορείς να δεις την περιγραφική στατιστική σε πτυχιακή ή διπλωματική.
Για ευρύτερη υποστήριξη μπορείς επίσης να δεις τη σελίδα για στατιστικές αναλύσεις.
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.