How-To Do Mann-Whitney U Test In Stata Forex

Mann-Whitney U test utilizzando il test SPSS Statistics Introduzione Il Mann-Whitney U viene utilizzato per confrontare le differenze tra due gruppi indipendenti quando la variabile dipendente è o ordinali o continuo, ma normalmente non distribuito. Ad esempio, è possibile utilizzare il test di Mann-Whitney U per capire se gli atteggiamenti nei confronti discriminazione retributiva, dove gli atteggiamenti sono misurati su una scala ordinale, differiscono in base al sesso (cioè la variabile dipendente sarebbe atteggiamenti nei confronti della discriminazione retributiva e la variabile indipendente sarebbe genere, che ha due gruppi: maschio e femmina). In alternativa, è possibile utilizzare il test di Mann-Whitney U per capire se i salari, misurati su una scala continua differivano basano sul livello di istruzione (cioè la variabile dipendente sarebbe lo stipendio e la variabile indipendente, sarebbe il livello di istruzione, che ha due gruppi: alto scuola e università). Il test di Mann-Whitney U è spesso considerata la non parametrica alternativa al t-test indipendenti anche se questo non è sempre il caso. A differenza della campioni indipendenti t-test, il test di Mann-Whitney U permette di disegnare diverse conclusioni sui dati a seconda delle ipotesi che si fanno sulla vostra distribuzione dati. Queste conclusioni possono variare da semplicemente indicando se le due popolazioni si differenziano attraverso determinare se ci sono differenze in mediane tra i gruppi. Queste conclusioni diverse cerniera sulla forma delle distribuzioni dei dati, che abbiamo spiegare meglio in seguito. Nel nostro maggiore guida test di Mann-Whitney U, vi portiamo attraverso tutti i passaggi necessari per capire quando e come utilizzare il test di Mann-Whitney U, che vi mostra le procedure richieste in SPSS Statistics, e come interpretare e riportare l'output. È possibile accedere a questa maggiore guida test di Mann-Whitney U iscrivendosi al sito qui. In questa guida di avvio rapido, vi mostriamo le basi del test di Mann-Whitney U utilizzando uno delle procedure di SPSS Statisticss quando il presupposto fondamentale di questo test è violata. Prima vi mostriamo come fare questo, spieghiamo le diverse ipotesi che i dati devono soddisfare per un test di Mann-Whitney U per dare un risultato valido. Discutiamo questi presupposti prossimo. SPSS Statistics Ipotesi Quando si sceglie di analizzare i dati utilizzando un test di Mann-Whitney U, parte del processo prevede il controllo per assicurarsi che i dati che si desidera analizzare in realtà può essere analizzata utilizzando un test di Mann-Whitney U. Hai bisogno di fare questo perché è opportuno utilizzare un test di Mann-Whitney U solo se i dati passa quattro ipotesi che sono necessari per un test di Mann-Whitney U per dare un risultato valido. In pratica, il controllo di queste quattro ipotesi aggiunge solo un po 'più di tempo per l'analisi, che richiede di cliccare su un paio di pulsanti in SPSS Statistics durante l'esecuzione di analisi, così come pensare un po' più su i dati, ma è non è un compito difficile. Prima vi presentiamo a queste quattro ipotesi, non stupitevi se, quando si analizzano i propri dati utilizzando SPSS Statistics, una o più di queste ipotesi è violata (vale a dire non è soddisfatta). Questo non è raro quando si lavora con i dati del mondo reale, piuttosto che esempi da manuale, che spesso mostrano solo come effettuare un test di Mann-Whitney U quando tutto va bene, tuttavia, non si preoccupi. Anche quando i dati non riesce alcune ipotesi, vi è spesso una soluzione per superare questo. In primo luogo, permette di dare un'occhiata a queste quattro ipotesi: Ipotesi 1: La variabile dipendente deve essere misurata l'ordinale o continua di livello. Esempi di variabili ordinali comprendono elementi Likert (ad esempio, una scala a 7 punti da fortemente d'accordo con in disaccordo con forza), tra gli altri modi di categorie ranking (ad esempio una scala di 5 punti che spiega quanto un cliente è un prodotto, che vanno da Non molto Sì, un sacco). Esempi di variabili continue includono tempi di revisione (misurato in ore), intelligenza (misurata usando QI), prestazioni esame (misurata da 0 a 100), peso (misurato in kg), e così via. È possibile saperne di più su variabili ordinali e continue nel nostro articolo: tipi di variabili. Ipotesi 2: La variabile indipendente deve essere costituito da due categorica. gruppi indipendenti. Esempi di variabili indipendenti che soddisfano questo criterio includono genere (2 gruppi: maschio o femmina), lo stato di occupazione (2 gruppi: occupati o disoccupati), fumatore (2 gruppi: sì o no), e così via. Assunzione 3: Si dovrebbe avere l'indipendenza delle osservazioni. il che significa che non vi è alcuna relazione tra le osservazioni in ogni gruppo o tra i gruppi stessi. Ad esempio, ci devono essere diversi partecipanti in ciascun gruppo con nessun partecipante essendo in più di un gruppo. Questo è più di un problema di studio di progettazione di qualcosa che si può verificare, ma è un presupposto importante per il test di Mann-Whitney U. Se il vostro studio non questa ipotesi, è necessario utilizzare un altro test statistico invece del test di Mann-Whitney U (per esempio un test di Wilcoxon dei ranghi). Se non siete sicuri se il vostro studio risponde a questa ipotesi, è possibile utilizzare il nostro selettore di test statistico. che fa parte del nostro contenuti avanzati. Assunzione 4: Un test di Mann-Whitney U può essere utilizzato quando i due variabili non sono distribuiti normalmente. Tuttavia, al fine di sapere come interpretare i risultati di un test di Mann-Whitney U, è necessario determinare se le due distribuzioni (ad esempio la distribuzione dei punteggi per entrambi i gruppi della variabile indipendente per esempio, maschi e femmine per la variabile indipendente , genere) hanno la stessa forma. Per capire cosa questo significa, dare un'occhiata al seguente schema: Copyright 2013. Laerd statistiche nelle due schemi di cui sopra, la distribuzione dei punteggi per i maschi e le femmine hanno la stessa forma. Nel diagramma a sinistra, non si può vedere la distribuzione dei punteggi per i maschi (illustrata in blu sul diagramma a destra), perché le due distribuzioni sono identici (cioè sia le distribuzioni sono identici, in modo che siano l'uno sopra l'altro nella diagramma, con la distribuzione di colore blu maschio sotto la distribuzione femminile di colore rosso). Tuttavia, nel diagramma a destra, anche se entrambe le distribuzioni hanno la stessa forma. hanno una posizione diversa (cioè la distribuzione di uno dei gruppi della variabile indipendente è superiore o valori inferiori rispetto alla seconda ndash distribuzione nel nostro esempio, le femmine hanno valori più elevati rispetto ai maschi, complessiva). Quando si analizzano i propri dati, è estremamente improbabile che i due distribuzioni saranno identici, ma possono avere la forma stessa (simile o). Se essi hanno la stessa forma, è possibile utilizzare SPSS Statistics per effettuare un test di Mann-Whitney U per confrontare le mediane della vostra variabile dipendente (ad es punteggio impegno) per i due gruppi (ad esempio, maschi e femmine) della variabile indipendente ( ad esempio, di genere) che si sono interessati a. Tuttavia, se la vostra distribuzione due hanno una forma diversa. è possibile utilizzare solo il test di Mann-Whitney per confrontare ranghi medi. Pertanto, nello svolgimento di un test di Mann-Whitney U, è necessario utilizzare anche SPSS Statistics per determinare se i due distribuzioni hanno la stessa forma o una forma diversa. Ciò richiede un paio di procedure di SPSS Statistics, ma si tratta di un semplice processo step-by-step che vi mostriamo come fare nella nostra guida migliorato test di Mann-Whitney U. In questa guida di avvio rapido, vi mostriamo come effettuare un test di Mann-Whitney U ipotizzando che i due distribuzioni non hanno una forma simile, in modo tale che è possibile confrontare solo ranghi medi e non mediane. È possibile controllare assunzione 4 utilizzando SPSS Statistics. Prima di fare questo, è necessario assicurarsi che i dati soddisfi le ipotesi 1, 2 e 3, anche se non avete bisogno SPSS Statistics per fare questo. Basta ricordare che se non si seleziona ipotesi 4, non si saprà se si confrontano correttamente ranghi medi o mediane, e il risultato che si ottiene quando si esegue un test di Mann-Whitney U potrebbero non essere validi. Questo è il motivo per cui dedichiamo un certo numero di sezioni del nostro maggiore guida test di Mann-Whitney U per ottenere questo diritto. È possibile saperne di più su ipotesi 4 e ciò che sarà necessario per interpretare nella sezione Ipotesi della nostra maggiore guida test di Mann-Whitney U, cui è possibile accedere mediante la sottoscrizione al sito qui. Nella procedura di prova nella sezione SPSS Statistics di questa guida rapida, si illustrerà la procedura di SPSS Statistics per eseguire un test di Mann-Whitney U supponendo che i due distribuzioni non sono la stessa forma e si deve interpretare ranghi medi piuttosto che mediane. In primo luogo, abbiamo deciso l'esempio che usiamo per spiegare la procedura di test di Mann-Whitney U in SPSS Statistics. SPSS Statistics La concentrazione di colesterolo (un tipo di grasso) nel sangue è associato con il rischio di sviluppare malattie cardiache, tale che elevate concentrazioni di colesterolo indicano un livello di rischio, e concentrazioni inferiori indicano un livello di rischio inferiore. Se si riduce la concentrazione di colesterolo nel sangue, il rischio di sviluppare la malattia di cuore può essere ridotto. Essere in sovrappeso andor fisicamente inattivi aumenta la concentrazione di colesterolo nel sangue. Sia la perdita di esercizio e di peso può ridurre la concentrazione di colesterolo. Tuttavia, non è noto se l'esercizio o perdita di peso è meglio per abbassare concentrazione di colesterolo. Pertanto, un ricercatore ha deciso di verificare se un intervento di esercizio o la perdita di peso è stato più efficace nel ridurre i livelli di colesterolo. A tal fine, il ricercatore ha reclutato un campione casuale di maschi inattivi che sono stati classificati come sovrappeso. Questo campione è stato poi diviso a caso in due gruppi: Gruppo 1 ha subito una dieta a calorie controllate (cioè il gruppo di dieta) e gruppo 2 ha intrapreso un programma di esercizi di formazione (vale a dire il gruppo di esercizio). Al fine di determinare quale programma di trattamento era più efficace, concentrazioni di colesterolo sono stati confrontati tra i due gruppi alla fine dei programmi di trattamento. SPSS Statistics installazione in SPSS Statistics in SPSS Statistics, siamo entrati i punteggi per la concentrazione di colesterolo, la nostra variabile dipendente, sotto il nome di colesterolo variabile. Successivamente, abbiamo creato una variabile di raggruppamento, denominato Gruppo. che ha rappresentato la nostra variabile indipendente. Dato che la nostra variabile indipendente aveva due gruppi - dieta ed esercizio fisico - ci ha dato il gruppo dieta un valore pari a 1 e il gruppo esercizio un valore pari a 2. Se non etichettare i tuoi due gruppi, SPSS Statistics non sarà in grado di distinguere tra loro e il test di Mann-Whitney U non verrà eseguito. Nota: Ci sono due procedure diverse in SPSS Statistics per eseguire un test di Mann-Whitney U: un nuovo ed eredità procedura. Come abbiamo spiegato la configurazione dei dati di cui sopra si riferisce alla procedura di eredità (e la nuova procedura quando la variabile dipendente è continua), che è quello che noi prendiamo l'utente attraverso la procedura di prova nella sezione SPSS Statistics successiva. Diciamo questo perché se si sta utilizzando la nuova procedura, è necessario apportare modifiche alla configurazione dei dati se la variabile dipendente è ordinali (cioè invece di essere continuo). Vi spieghiamo come fare questo nella nostra guida migliorato test di Mann-Whitney U, cui è possibile accedere mediante la sottoscrizione al sito qui. Nel nostro maggiore guida test di Mann-Whitney U, vi mostriamo tutti i passaggi necessari per inserire correttamente i dati in SPSS Statistics per eseguire un test di Mann-Whitney U sia per le nuove e legacy procedure descritte nella nota precedente. SPSS Statistics Procedura di prova in SPSS Statistics Se leggete ipotesi 4 in precedenza, youll sapere che la procedura di SPSS Statistics quando si analizzano i dati mediante un test di Mann-Whitney U è diversa a seconda della forma delle due distribuzioni della variabile indipendente. Nel nostro esempio, dove la nostra variabile dipendente è la concentrazione di colesterolo, colesterolo. ci riferiamo ai due distribuzioni della variabile indipendente, Gruppo (cioè la distribuzione dei punteggi per il gruppo 1 ndash la dieta gruppo ndash e Gruppo 2 ndash il gruppo di esercizio). Nei 10 passaggi riportati di seguito, vi mostriamo come analizzare i dati utilizzando un test di Mann-Whitney U in SPSS Statistics quando queste due distribuzioni hanno una forma diversa. e quindi, è necessario confrontare i ranghi medi di la variabile dipendente, piuttosto che mediane. Per utilizzare SPSS Statistics per determinare se i due distribuzioni hanno le stesse o diverse forme. o se si vuole sapere come utilizzare SPSS Statistics per effettuare un test di Mann-Whitney U quando i due distribuzioni hanno la stessa forma. in modo tale che è necessario confrontare le mediane piuttosto che ranghi medi. è necessario accedere alla sezione Procedure della nostra maggiore guida test di Mann-Whitney U (N. B. si può fare questo mediante la sottoscrizione al sito qui). Inoltre, i 10 passaggi riportati di seguito anche mostrare come eseguire un test di Mann-Whitney U utilizzando la procedura di eredità in SPSS Statistics. Come abbiamo spiegato in precedenza. ci sono due diverse procedure di SPSS Statistics per eseguire un test di Mann-Whitney U: un nuovo ed eredità procedura. Si consiglia la nuova procedura, se i tuoi due distribuzioni hanno la stessa forma, perché è un po 'più facile da realizzare, ma la procedura eredità va bene se i tuoi due distribuzioni hanno forme diverse. Vi mostriamo le nuove e legacy procedure nel nostro migliorato guida test di Mann-Whitney U. Alla fine dei 9 passaggi riportati di seguito, vi mostriamo come interpretare i risultati di questo test utilizzando ranghi medi. Fare clic su un gt N nalyze onparametric Test gt L egacy Dialogs GT 2 ho ndependent Campioni. nel menu in alto, come illustrato di seguito: Pubblicato con il permesso scritto di SPSS Statistics, IBM Corporation. Verrà presentato con la scatola a due campioni indipendenti Test dialogo, come illustrato di seguito: Pubblicato con il permesso scritto di SPSS Statistics, IBM Corporation. Trasferire la variabile dipendente, il colesterolo. nel Elenco variabili T est: scatola e la variabile indipendente, Gruppo. nella G rouping variabile: scatola utilizzando il pulsante o trascinando e rilasciando le variabili nelle caselle. Pubblicato con il permesso scritto di SPSS Statistics, IBM Corporation. Nota: assicurarsi che la casella di controllo M ann-Whitney U è spuntata in zona ndashTest Typendash e la variabile rouping G: casella è evidenziata in giallo (come visto sopra). Se non è evidenziato in giallo, è sufficiente fare clic con il cursore nella rouping variabile G: scatola per evidenziarlo. Unire i 10.000 s di studenti, accademici e professionisti che si affidano a Laerd statistiche. Fai il tour piani tariffari amp Fare clic sul pulsante. Il pulsante non sarà cliccabile se non avete evidenziato la variabile rouping G: scatola come indicato al punto 4. Verrà presentata la seguente schermata: Pubblicato con il permesso scritto di SPSS Statistics, IBM Corporation. Fare clic fino alla pagina successiva per la procedura restante e come interpretare la Guida output. Stata Conducting Mann-Whitney U (Wilcoxon della somma dei ranghi) I test in Stata Mann-Whitney U test sono un'opzione per quando smussano essere utilizzati tipiche t-test. Prima di eseguire uno, imparare di più sulla teoria 160behind esso. Non richiedono nulla di speciale dai dati, solo che ci sono due gruppi (quindi una variabile di raggruppamento) e una variabile dipendente. La sintassi di base è varDipendente ranksum, da (var raggruppamento) Ad esempio, se voglio guardare i punteggi felicità per ragazze e ragazzi alla laurea, il comando sarà simile ranksum felice, da (sesso) e dovrebbe produrre il seguente output: Il uscita ci dà un tavolo a portata di mano la visualizzazione dei due gruppi, la loro Ns (numero di osservazioni), le somme ordinati osservati e la somma rango che ci si aspetterebbe se l'ipotesi nulla è stato mantenuto (se non ci fosse differenza) 0,160 ranghi abbinato possono essere un problema, quindi al di sotto del tavolo c'è un aggiustamento della varianza per tenere conto di questi legami. Poi ci viene ricordato l'ipotesi nulla, e dato lo z-statistica e p-value.