####### VD2 liệu trình độ học vấn có gây ra sự khác biệt đến satisfaction (sự hài lòng công việc) hay Show ####### không? (TRONG BẢNG DEMO) Giả thiết:H0 M1 = M2 = M3 = M4 = MH1 có ít nhất 1 sự khác biệt về sự hài lòng giữa các nhómPP: One wayKết quảp < 0,05 → Có sự đồng nhất → chấp nhận H1 có sự khác biệt→ Trong Post Hoc chọn LSD ####### Bảng Anova cho thấy: có sự khác biệt giữa các nhóm. ####### So sánh giữa người học hết cấp 2 và người học hết cấp 3 mean difference là dương: cột trái (I) trừ ####### cột phải (J) ####### 0,176 có ý nghĩa thống kê ####### So sánh high school thì có mức độ hài lòng cao hơn 3 nhóm còn lại ####### So sánh người học cao đẳng thì có mức độ hài lòng không có sự khác biệt giữa đại học và cao học Trong thống kê học, sai số toàn phương trung bình, viết tắt MSE (Mean squared error) của một phép ước lượng là trung bình của bình phương các sai số, tức là sự khác biệt giữa các ước lượng và những gì được đánh giá. MSE là một hàm rủi ro, tương ứng với giá trị kỳ vọng của sự mất mát sai số bình phương hoặc mất mát bậc hai. Sự khác biệt xảy ra do ngẫu nhiên, hoặc vì các ước lượng không tính đến thông tin có thể cho ra một ước tính chính xác hơn. MSE là moment bậc hai (về nguồn gốc) của sai số, và do đó kết hợp cả hai phương sai của ước lượng và thiên vị của nó. Đối với một ước lượng không có thiên vị, MSE là phương sai của ước lượng. Cũng giống như các phương sai, MSE có cùng một đơn vị đo lường theo bình phương của số lượng được ước tính. Trong một tương tự với độ lệch chuẩn, lấy căn bậc hai của MSE cho ra sai số root-mean-square (RMSE), hoặc độ lệch root-mean-square (RMSD), trong đó có các đơn vị tương tự như đại lượng được ước tính. Đối với đại lượng không có thiên vị, các RMSE là căn bậc hai của phương sai, và được gọi là độ lệch chuẩn. Định nghĩa và tính chất cơ bản[sửa | sửa mã nguồn]MSE đánh giá chất lượng của một ước lượng (ví dụ, một hàm toán học lập bản đồ mẫu dữ liệu của một tham số của dân số từ đó các dữ liệu được lấy mẫu) hoặc một yếu tố dự báo (ví dụ, một bản đồ chức năng có số liệu vào tùy ý để một mẫu của các giá trị của một số biến ngẫu nhiên). Định nghĩa của một MSE khác với những gì tương ứng cho dù là một trong những mô tả một ước lượng, hay một yếu tố dự báo. Phép dự báo[sửa | sửa mã nguồn]Nếu là một vector của trị dự báo, và là vector các trị quan sát được, tương ứng với ngõ vào của hàm số phát ra dự báo, thì MSE của phép dự báo có thể ước lượng theo công thức:
Tức là MSE là trung bình () của bình phương các sai số (). Đây là định lượng dễ dàng tính được cho một mẫu cụ thể (và do đó là phụ thuộc mẫu). Chỉ dẫn[sửa | sửa mã nguồn]Tham khảo[sửa | sửa mã nguồn]Lehmann, E. L.; Casella, George (1998). Theory of Point Estimation (2nd ed.). New York: Springer. ISBN 0-387-98502-6. MR 1639875. Analysis of Variance (ANOVA) TableBảng Phân tích Phương sai (ANOVA)The main output from an analysis of variance study arranged in a table. Lists the sources of variation, their degrees of freedom, the total sum of squares, and the mean squares. The analysis of variance table also includes the F-statistics and p-values. Use these to determine whether the predictors or factors are significantly related to the response.Đầu ra chính từ một nghiên cứu phân tích phương sai được sắp xếp trong một bảng. Liệt kê các nguồn biến thiên, bậc tự do của chúng, tổng tổng bình phương, và tổng bình phương trung bình. Bảng phân tích phương sai cũng bao gồm các thống kê F và giá trị p. Sử dụng chúng để xác định liệu các yếu tố hoặc dự đoán có mối quan hệ có ý nghĩa với biến phản ứng hay không.Here are the components of an ANOVA table:Dưới đây là các thành phần của bảng ANOVA:– Source: indicates the source of variation, either from the factor, the interaction, or the error. The total is a sum of all the sources.– Nguồn: chỉ ra nguồn biến thiên, có thể từ yếu tố, sự tương tác, hoặc lỗi. Tổng cộng là tổng của tất cả các nguồn.– DF (degrees of freedom): degrees of freedom from each source. If a factor has three levels, the degrees of freedom is 2 (n-1). If you have a total of 30 observations, the degrees of freedom total is 29 (n – 1).– DF (bậc tự do): bậc tự do từ mỗi nguồn. Nếu một yếu tố có ba cấp độ, thì bậc tự do là 2 (n-1). Nếu bạn có tổng cộng 30 quan sát, bậc tự do tổng cộng là 29 (n – 1).– SS (sum of squares): sum of squares between groups (factor) and the sum of squares within groups (error).– SS (tổng bình phương): tổng bình phương giữa các nhóm (yếu tố) và tổng bình phương trong các nhóm (lỗi).– MS (mean squares): found by dividing the sum of squares by the degrees of freedom.– MS (tổng bình phương trung bình): được tính bằng cách chia tổng bình phương cho bậc tự do.– F (F-statistic): calculated by dividing the factor MS by the error MS. Compare this ratio against a critical F or use the p-value to determine significance.– F (Thống kê F): tính bằng cách chia MS của yếu tố cho MS của lỗi. So sánh tỷ lệ này với F quan trọng hoặc sử dụng giá trị p để xác định ý nghĩa.– P (p-value): use to determine whether a factor is significant; typically compare against an alpha value of 0.05. If the p-value is lower than 0.05, then the factor is significant.– P (giá trị p): sử dụng để xác định xem một yếu tố có ý nghĩa không; thường so sánh với giá trị alpha là 0.05. Nếu giá trị p nhỏ hơn 0.05, thì yếu tố đó là ý nghĩa.One-way ANOVA tableBảng ANOVA một chiềuExample: Suppose you run an ANOVA to determine which of three different colored flyers produced the most sales. You set up the ANOVA so that your factor is “flyer color” which has the three levels of “black and white”, “red” and “yellow.” Your response variable is weekly sales during the test period, 10 weeks. Since you are examining one factor you use a one-way ANOVA.Ví dụ: Giả sử bạn thực hiện một ANOVA để xác định loại tờ rơi nào trong ba tờ rơi khác nhau tạo ra doanh số bán hàng cao nhất. Bạn thiết lập ANOVA để yếu tố của bạn là “màu tờ rơi” có ba cấp độ là “đen trắng”, “đỏ” và “vàng”. Biến phản ứng của bạn là doanh số bán hàng hàng tuần trong thời gian thử nghiệm, 10 tuần. Vì bạn đang xem xét một yếu tố nên bạn sử dụng ANOVA một chiều.SourceNguồnFactorYếu tốErrorLỗiDFBậc tự doSSTổng bình phươngMSTổng bình phương trung bìnhFThống kê FPGiá trị pThe p-value of 0.000 indicates that the factor of color is significant. For a two-way ANOVA, you will have two factors and an interaction term. For DOE and regression applications, you can have several factors, or sources of variation.Giá trị p là 0.000 cho thấy rằng yếu tố màu sắc là có ý nghĩa. Đối với ANOVA hai chiều, bạn sẽ có hai yếu tố và một thuật ngữ tương tác. Đối với ứng dụng DOE và hồi quy, bạn có thể có một số yếu tố hoặc nguồn biến thiên. |
