فہرست کا خانہ
انووا ، یا تغیر کا تجزیہ ، گروپوں کے اندر یا ان کے درمیان ذرائع میں فرق تلاش کرنے کے لیے متعدد شماریاتی ماڈلز کا مجموعہ ہے۔ صارفین ایکسل میں نتائج کی تشریح کے لیے ANOVA Analysis کے متعدد اجزاء استعمال کر سکتے ہیں۔
آئیے کہتے ہیں کہ ہمارے پاس ANOVA تجزیہ نتائج ہیں جیسا کہ ذیل کے اسکرین شاٹ میں دکھایا گیا ہے۔
0> ANOVA Results.xlsx کی تشریح
3 ایکسل میں انووا نتائج کی تشریح کرنے کے آسان طریقے
ایکسل میں، انووا تجزیہ کی 3 اقسام دستیاب ہیں۔ وہ ہیں
(i) ANOVA: سنگل فیکٹر: سنگل فیکٹر ANOVA اس وقت انجام پاتا ہے جب ایک واحد متغیر چل رہا ہو۔ تجزیہ کا نتیجہ یہ معلوم کرنا ہے کہ آیا ڈیٹا ماڈل میں اس کے ذرائع میں کوئی خاص فرق ہے یا نہیں۔ لہذا، یہ حل کرنے کے لیے دو نمایاں مفروضے رکھتا ہے۔
(a) Null Hypothesis (H 0 ): عنصر گروپوں کے اندر یا ان کے درمیان ذرائع میں کوئی فرق نہیں کرتا۔ اگر ذرائع کو µ کے ساتھ علامت کیا گیا ہے، تو Null Hypothesis نتیجہ اخذ کرتا ہے: µ 1 = µ 2 = µ 3 …. = µ N .
(b) متبادل مفروضہ (H 1 ): عنصر ذرائع میں اہم فرق کا سبب بنتا ہے۔ اس طرح، متبادل مفروضے کے نتیجے میں µ 1 ≠ µ 2 ۔
(ii)نقل کے ساتھ انووا دو فیکٹر: جب ڈیٹا میں ہر ایک فیکٹر یا آزاد متغیر کے لیے ایک سے زیادہ تکرار ہوتی ہے، تو صارف نقل کے ساتھ دو عوامل کا اطلاق کرتے ہیں انووا تجزیہ ۔ سنگل فیکٹر انووا تجزیہ کی طرح، نول مفروضے (H 0 ) کی دو مختلف حالتوں کے لیے نقل کے تجزیہ کے ٹیسٹ کے ساتھ دو عوامل۔
(a) پہلے آزاد متغیر کے لیے گروپس کے ذرائع میں کوئی فرق نہیں ہے۔
(b) The دوسرے آزاد متغیر کے لیے گروپوں کے ذرائع میں کوئی فرق نہیں ہے ۔
تعامل کے لیے، صارف ایک اور Null Hypothesis stating-
<1 شامل کر سکتے ہیں۔ <11 2> جب ایک سے زیادہ کام مختلف گروپس کے ذریعے انجام پاتے ہیں، تو صارفین ANOVA Analysis میں نقل کیے بغیر دو عوامل کو انجام دیتے ہیں۔ نتیجے کے طور پر، دو Null Hypotheses ہیں۔
For Rows :
Null Hypothesis (H 0<10)>): مختلف کام کی اقسام کے ذرائع کے درمیان کوئی خاص فرق نہیں ہے ۔
کالموں کے لیے:
نقل مفروضہ (H 0 ): مختلف گروپ اقسام کے ذرائع کے درمیان کوئی خاص فرق نہیں ہے ۔
طریقہ 1: واحد عنصر کے لیے انووا کے نتائج کی تشریح ایکسل میں تجزیہ
عمل درآمد انووا: سنگلفیکٹر تجزیہ ڈیٹا اینالیسس ٹول پیک سے صارفین کو یہ معلوم کرنے میں مدد کرتا ہے کہ آیا 3 یا اس سے زیادہ آزاد نمونوں (یا گروپس) کے ذرائع کے درمیان شماریاتی لحاظ سے کوئی اہم فرق ہے۔ مندرجہ ذیل تصویر ٹیسٹ کرنے کے لیے دستیاب ڈیٹا کو ظاہر کرتی ہے۔
فرض کریں کہ ہم ایکسل میں ANOVA: سنگل فیکٹر ڈیٹا اینالیسس پر عمل کرتے ہیں ڈیٹا > ڈیٹا تجزیہ ( تجزیہ سیکشن میں) > انووا: سنگل فیکٹر ( تجزیہ کے ٹولز کے تحت اختیارات). ٹیسٹ کے نتائج ذیل کی تصویر میں دکھائے گئے ہیں۔
نتائج کی تشریح
پیرامیٹرز: انووا تجزیہ ڈیٹا میں Null Hypothesis کی لاگو ہونے کا تعین کرتا ہے۔ انووا تجزیہ نتیجہ سے مختلف نتائج کی قدریں نول تجزیہ کی حیثیت کی نشاندہی کر سکتی ہیں۔
اوسط اور تغیر: خلاصہ سے، آپ دیکھ سکتے ہیں کہ گروپس میں گروپ 3 کے لیے سب سے زیادہ اوسط (یعنی 89.625 ) ہے اور سب سے زیادہ تغیر ہے 28.125 گروپ کے لیے حاصل کیا گیا ہے۔ 1 ( F= 8.53 ) > تنقیدی اعدادوشمار ( F Crit =3.47 )۔ لہذا، ڈیٹا ماڈل نول مفروضے کو مسترد کرتا ہے۔
P-Value بمقابلہ اہمیت کی سطح (a) : دوبارہ، ANOVA نتائج سے، P قدر ( 0.0019 ) < اہمیت کی سطح ( a = 0.05 )۔ لہذا، آپ کہہ سکتے ہیں کہ ذرائع مختلف ہیں اور نول مفروضہ کو رد کر سکتے ہیں۔
مزید پڑھیں: کیسے ایکسل میں انووا کے نتائج کو گراف کرنے کے لیے (3 مناسب مثالیں)
طریقہ 2: ایکسل میں نقل کے تجزیہ کے ساتھ دو فیکٹر کے لیے انووا کے نتائج کو ڈی کوڈ کرنا
متبادل طور پر، انووا: نقل کے ساتھ دو عنصر دو سے زیادہ گروہوں کے ذرائع کے درمیان فرق کا اندازہ کرتا ہے۔ آئیے اس تجزیہ کو انجام دینے کے لیے درج ذیل ڈیٹا کو تفویض کرتے ہیں۔
انووا: دو عنصر کے ساتھ نقل کے تجزیہ کو انجام دینے کے بعد، نتیجہ درج ذیل کی طرح نظر آسکتا ہے۔ .
نتائج کی تشریح
پیرامیٹر: P قدر صرف کے طور پر کام کرتا ہے Null Hypothesis کو مسترد کرنے یا قبول کرنے کا پیرامیٹر۔
متغیر 1 اہم حیثیت: متغیر 1 (یعنی، Sample ) میں P قدر (یعنی 0.730 ) اہمیت کی سطح سے زیادہ ہے (یعنی , 0.05 )۔ اس طرح، متغیر 1 نول مفروضے کو رد نہیں کر سکتا۔
متغیر 2 اہم حیثیت: متغیر 1 کی طرح، متغیر 2 (یعنی، کالم ) کی P قدر ہے (یعنی، 0.112 ) جو 0.05 سے بڑا ہے۔ اس صورت میں، متغیر 2 بھی Null Hypothesis کے تحت آتا ہے۔ لہذا، ذرائع ہیںیکساں۔
تعامل کی حیثیت: متغیرات 1 اور 2 میں کوئی تعامل نہیں ہے جیسا کہ وہ P قدر (یعنی 0.175 ) اہمیت کی سطح (یعنی 0.05 ) سے زیادہ ہے۔
مجموعی طور پر، کوئی متغیر ایک دوسرے پر کوئی خاص اثر نہیں ڈالتا۔
درمیانی تعامل: گروپ A کے ذرائع میں سے، B ، اور C ، گروپ A کا سب سے زیادہ اوسط ہے۔ لیکن یہ اوسط اقدار یہ نہیں بتاتی ہیں کہ آیا یہ موازنہ اہم ہے یا نہیں۔ اس صورت میں، ہم گروپ 1 ، 2 ، اور 3 کے لیے اوسط قدروں کو دیکھ سکتے ہیں۔
گروپ 1 ، 2 ، اور 3 کی اوسط قدریں گروپ 3 کے لیے زیادہ قدر رکھتی ہیں۔ تاہم، چونکہ کوئی بھی متغیر ایک دوسرے پر اہم اثر نہیں رکھتا۔
اس کے علاوہ، کوئی اہم تعامل کے اثرات نہیں ہیں کیونکہ اندراجات ایک حد کے اندر بے ترتیب اور دہرائے جانے والے معلوم ہوتے ہیں۔<3
مزید پڑھیں: ایکسل میں دو طرفہ ANOVA نتائج کی تشریح کیسے کریں
طریقہ 3: بغیر نقل کے دو فیکٹر کے لیے انووا کے نتائج کا ترجمہ ایکسل میں تجزیہ
جب دونوں عوامل یا متغیرات منحصر متغیرات کو متاثر کرتے ہیں، تو صارفین عام طور پر ANOVA: دو عنصر کے بغیر نقل کے تجزیہ کو انجام دیتے ہیں۔ ہم کہتے ہیں کہ ہم اس طرح کے تجزیہ کو انجام دینے کے لیے مؤخر الذکر ڈیٹا کا استعمال کرتے ہیں۔
نقل کے تجزیہ کے بغیر دو عنصر کے نتائج ایک جیسے نظر آتے ہیں۔مندرجہ ذیل۔
نتائج کی تشریح
پیرامیٹرز: دو فیکٹر انووا تجزیہ بغیر نقل کے کے اسی طرح کے پیرامیٹرز ہیں۔ واحد عنصر انووا ۔
ٹیسٹ شماریات (F) بمقابلہ کریٹیکل ویلیو (F Crit ): دونوں متغیرات کے لیے، Statistic اقدار ( F= 1.064, 3.234 ) < تنقیدی اعدادوشمار ( F Crit =6.944, 6.944 )۔ نتیجے کے طور پر، ڈیٹا ماڈل Null Hypothesis کو مسترد نہیں کر سکتا۔ لہذا، ذرائع مساوی ہیں۔
P-Value بمقابلہ اہمیت کی سطح (a): اب، <1 میں>ANOVA نتائج، P قدریں ( 0.426, 0.146 ) > اہمیت کی سطح ( a = 0.05 )۔ اس صورت میں، آپ کہہ سکتے ہیں کہ ذرائع ایک جیسے ہیں اور Null Hypothesis .
مزید پڑھیں: ایکسل میں دو طرفہ ANOVA کیسے کریں (آسان اقدامات کے ساتھ)
نتیجہ
اس مضمون میں، ہم ANOVA کی اقسام بیان کرتے ہیں۔ تجزیہ اور ایکسل میں ANOVA نتائج کی تشریح کرنے کا طریقہ دکھائیں۔ ہم امید کرتے ہیں کہ یہ مضمون آپ کو نتائج کو سمجھنے میں مدد فراہم کرے گا اور آپ کو متعلقہ ANOVA Analyses کا انتخاب کرنے میں مدد فراہم کرے گا جو آپ کے ڈیٹا کے مطابق ہوں۔ تبصرہ کریں۔ ہیپی ایکسلنگ۔
