अनुसंधान, आँकड़ा विश्लेषण एवं निर्वचन-II
'विचरण के विश्लेषण' की तकनीक में अन्तर्निहित मूल धारणाओं का उल्लेख कीजिए।
विचरण विश्लेषण (ANOVA) का अर्थ
विचरण विश्लेषण (Analysis of Variance) एक प्राचलिक (parametric) सांख्यिकीय तकनीक है, जिसका उपयोग यह परखने हेतु किया जाता है कि तीन या अधिक समूहों के माध्य सार्थक रूप से भिन्न हैं अथवा नहीं, समूहों के बीच के विचरण की समूहों के भीतर के विचरण से तुलना करके।
ANOVA में अन्तर्निहित मूल धारणाएँ
- प्रसामान्यता (Normality) — जिन जनसंख्याओं से प्रतिदर्श लिए गए हैं, उनमें प्रत्येक समूह के अंक प्रसामान्य रूप से वितरित होने चाहिए।
- विचरण की समघातता (Homogeneity of Variance) — तुलना किए जा रहे विभिन्न समूहों/जनसंख्याओं का विचरण समान (अथवा सार्थक रूप से भिन्न न) होना चाहिए।
- प्रेक्षणों की स्वतंत्रता — प्रत्येक प्रेक्षण/अंक अन्य सभी प्रेक्षणों से स्वतंत्र होना चाहिए; एक विषयी के अंक दूसरे को प्रभावित नहीं करने चाहिए।
- अंतराल अथवा अनुपात मापनी — अंकगणितीय माध्य के सार्थक होने हेतु आश्रित चर को कम से कम अंतराल मापनी पर मापा जाना चाहिए।
- यादृच्छिक प्रतिचयन — परिणामों को सामान्यीकृत किया जा सके, इस हेतु प्रतिदर्श अपनी संबंधित जनसंख्याओं से यादृच्छिक रूप से लिए जाने चाहिए।
- प्रभावों की योज्यता (Additivity) — फेक्टोरियल ANOVA अभिकल्पों में, जब तक किसी विशिष्ट अंतःक्रिया प्रभाव का परीक्षण न किया जा रहा हो, विभिन्न कारकों के प्रभावों के योगात्मक रूप से संयोजित होने की मान्यता होती है।
- चरम विचलित मानों (outliers) का अभाव — चूँकि ANOVA माध्य व विचरण पर आधारित है, चरम अंक F-अनुपात को विकृत कर भ्रामक निष्कर्ष दे सकते हैं।
यदि इन मान्यताओं का गंभीर रूप से उल्लंघन होता है (जैसे अत्यधिक अ-प्रसामान्य आँकड़े अथवा असमान विचरण), तो शोधकर्ता को ANOVA के स्थान पर क्रुस्कल-वालिस परीक्षण जैसे अप्राचलिक (non-parametric) विकल्प पर विचार करना चाहिए।
'सह-प्रसरण का विश्लेषण' के उपयोगों का वर्णन कीजिए।
सह-प्रसरण विश्लेषण (ANCOVA) का अर्थ
सह-प्रसरण विश्लेषण (Analysis of Covariance), ANOVA व प्रतिगमन का संयोजन करने वाली एक सांख्यिकीय तकनीक है, जिसका उपयोग एक अथवा अधिक सह-चरों (covariates) के प्रभाव को सांख्यिकीय रूप से नियंत्रित करते हुए किसी आश्रित चर पर समूह-माध्यों की तुलना हेतु किया जाता है, जो आश्रित चर से संबंधित तो हैं परंतु अध्ययन का मुख्य केंद्र-बिंदु नहीं हैं।
सह-प्रसरण विश्लेषण के उपयोग
- बाह्य चरों का सांख्यिकीय नियंत्रण — किसी सह-चर (जैसे IQ, पूर्व उपलब्धि, आयु) के प्रभाव को नियंत्रित करता है, जिसे केवल यादृच्छिकीकरण द्वारा नियंत्रित नहीं किया जा सका था।
- पूर्व-विद्यमान समूह भिन्नताओं हेतु समायोजन — अर्ध-प्रायोगिक अथवा अ-समतुल्य समूह अभिकल्पों में, ANCOVA समूहों के बीच पूर्व-परीक्षण अंकों में भिन्नता हेतु उत्तर-परीक्षण अंकों को सांख्यिकीय रूप से समायोजित करता है, जिससे अधिक निष्पक्ष तुलना संभव होती है।
- परिशुद्धता व सांख्यिकीय शक्ति बढ़ाना — त्रुटि पद से सह-चर के कारण विचरण हटाकर, ANCOVA त्रुटि-विचरण को कम करता है, जिससे F-परीक्षण वास्तविक उपचार-प्रभावों का पता लगाने हेतु अधिक संवेदनशील बनता है।
- शिक्षण विधियों की तुलना — छात्रों के पूर्व ज्ञान अथवा अभिरुचि को नियंत्रित करते हुए विभिन्न शिक्षण विधियों की प्रभावशीलता की तुलना हेतु शैक्षिक शोध में सामान्यतः उपयोग किया जाता है।
- पूर्णतः मिलान किए गए समूहों की आवश्यकता को कम करना — प्रायोगिक व नियंत्रण समूहों के आरंभ में पूर्णतः समतुल्य न होने पर भी सार्थक तुलना की अनुमति देता है।
- बहुचर विस्तार — एक साथ कई सह-चरों को नियंत्रित करने हेतु विस्तारित किया जा सकता है, जो जटिल शैक्षिक व सामाजिक शोध अभिकल्पों में उपयोगी है।
अतः ANCOVA शैक्षिक शोध में विशेष रूप से मूल्यवान है, जहाँ वास्तविक यादृच्छिक आवंटन प्रायः कठिन होता है, तथा उपचार-प्रभावों के बारे में वैध निष्कर्ष निकालने हेतु समूहों के बीच पूर्व-विद्यमान भिन्नताओं (जैसे पूर्व उपलब्धि) का सांख्यिकीय रूप से हिसाब रखना आवश्यक होता है।
उन मान्यताओं का वर्णन कीजिए, जिन पर गैर-पैरामेट्रिक परीक्षणों का उपयोग आधारित है।
गैर-पैरामेट्रिक (अप्राचलिक) परीक्षणों का अर्थ
गैर-पैरामेट्रिक परीक्षण वे सांख्यिकीय परीक्षण हैं जिनमें आँकड़ों को जनसंख्या के प्राचलों (जैसे प्रसामान्य वितरण) के बारे में कठोर मान्यताओं को पूरा करने की आवश्यकता नहीं होती, तथा इन्हें प्रायः "वितरण-मुक्त (distribution-free)" परीक्षण कहा जाता है।
गैर-पैरामेट्रिक परीक्षणों के आधार पर मान्यताएँ
- प्रसामान्य वितरण की मान्यता नहीं — प्राचलिक परीक्षणों के विपरीत, गैर-पैरामेट्रिक परीक्षणों में जनसंख्या का प्रसामान्य वितरित होना आवश्यक नहीं, जिससे ये तिरछे (skewed) आँकड़ों हेतु उपयुक्त हैं।
- नामित अथवा क्रमित आँकड़ों हेतु उपयुक्त — जब आँकड़े श्रेणीबद्ध (नामित) हों अथवा केवल क्रमबद्ध (क्रमित) किए जा सकें, जहाँ माध्य व मानक विचलन सार्थक नहीं होते, वहाँ लागू।
- प्रेक्षणों की स्वतंत्रता — प्राचलिक परीक्षणों की भाँति, अधिकांश गैर-पैरामेट्रिक परीक्षणों में भी प्रेक्षणों का एक-दूसरे से स्वतंत्र होना आवश्यक है।
- यादृच्छिक प्रतिचयन — वैध सामान्यीकरण हेतु प्रतिदर्श जनसंख्या से यादृच्छिक रूप से लिए जाने चाहिए।
- आँकड़ों के क्रमित गुण (Ranking) — अनेक गैर-पैरामेट्रिक परीक्षण (जैसे मान-व्हिटनी, विलकॉक्सन) यह मानते हैं कि अंतर्निहित आँकड़ों को सार्थक रूप से क्रमबद्ध किया जा सकता है, भले ही वास्तविक संख्यात्मक मानों का सीधे उपयोग न हो।
- विचरण-समघातता की मान्यता नहीं — गैर-पैरामेट्रिक परीक्षणों में सामान्यतः समूहों में समान विचरण आवश्यक नहीं, जिससे यह मान्यता उल्लंघित होने पर भी ये सुदृढ़ बने रहते हैं।
- छोटे प्रतिदर्श आकारों हेतु उपयुक्त — गैर-पैरामेट्रिक परीक्षण छोटे प्रतिदर्शों के साथ भी वैध रूप से लागू किए जा सकते हैं, जहाँ केंद्रीय सीमा प्रमेय का प्रसामान्यता का सन्निकटन लागू नहीं हो सकता।
चूँकि ये कम व कम प्रतिबंधात्मक मान्यताओं पर निर्भर करते हैं, गैर-पैरामेट्रिक परीक्षण विशेष रूप से शैक्षिक व सामाजिक शोध में उपयोगी हैं जब आँकड़े प्राचलिक परीक्षणों हेतु आवश्यक मान्यताओं का उल्लंघन करते हैं, अथवा छोटे या क्रमित-स्तरीय आँकड़ों के साथ कार्य किया जा रहा हो।
निम्नलिखित डाटा से काई-वर्ग की गणना कीजिए: "भारत को एशियन खेल से बाहर हो जाना चाहिए" इस संदर्भ में 48 लोगों से उनकी राय तीन बिन्दुओं स्वीकार, तटस्थ व अस्वीकार पर ली गई। उनकी प्रतिक्रिया निम्न प्रकार से है — स्वीकार: 24, तटस्थ: 12, अस्वीकार: 12।
चरण 1: परिकल्पना का कथन
शून्य परिकल्पना (H0): राय में कोई सार्थक अंतर नहीं है — 48 व्यक्ति तीनों अनुक्रिया श्रेणियों (स्वीकार, तटस्थ, अस्वीकार) में समान रूप से वितरित हैं।
चरण 2: प्रेक्षित एवं प्रत्याशित बारंबारता तैयार करना
चूँकि प्रत्याशित अनुपातों हेतु अन्य कोई आधार नहीं दिया गया है, H0 के अंतर्गत 48 अनुक्रियाओं के 3 श्रेणियों में समान रूप से वितरित होने की प्रत्याशा है: प्रत्याशित बारंबारता (E) = 48 ÷ 3 = प्रत्येक श्रेणी हेतु 16।
| श्रेणी | प्रेक्षित (O) | प्रत्याशित (E) | (O − E) | (O − E)² | (O − E)² / E |
|---|---|---|---|---|---|
| स्वीकार | 24 | 16 | 8 | 64 | 4.00 |
| तटस्थ | 12 | 16 | −4 | 16 | 1.00 |
| अस्वीकार | 12 | 16 | −4 | 16 | 1.00 |
| योग | 48 | 48 | — | — | χ² = 6.00 |
चरण 3: काई-वर्ग सूत्र लागू करना
χ² = Σ [ (O − E)² / E ] = 4.00 + 1.00 + 1.00 = 6.00
चरण 4: स्वातंत्र्य कोटि (df) ज्ञात करना
df = k − 1 = 3 − 1 = 2 (जहाँ k = श्रेणियों की संख्या)
चरण 5: सारणी मान से तुलना
- df = 2, 0.05 सार्थकता स्तर पर χ² का सारणी मान = 5.99
- गणित χ² (6.00) > सारणी मान (5.99)
चरण 6: निष्कर्ष
चूँकि गणित χ² मान (6.00), df = 2 पर 0.05 स्तर के सारणी मान (5.99) से अधिक है, अतः शून्य परिकल्पना अस्वीकृत की जाती है। यह दर्शाता है कि 48 व्यक्तियों की राय में सांख्यिकीय रूप से सार्थक अंतर है — उनकी अनुक्रियाएँ स्वीकार, तटस्थ व अस्वीकार श्रेणियों में समान रूप से वितरित नहीं हैं; प्रस्ताव के पक्ष में संयोग से प्रत्याशित की तुलना में सार्थक रूप से अधिक अनुपात लोगों ने समर्थन किया।
(ध्यातव्य: 0.01 स्तर पर सारणी मान 9.21 है, अतः इस अधिक कठोर स्तर पर परिणाम सार्थक नहीं होगा — यह निष्कर्ष केवल 0.05 स्तर पर सार्थक है।)
मान-व्हिटनी यू-टेस्ट के उपयोग लिखिए।
मान-व्हिटनी यू-टेस्ट का अर्थ
मान-व्हिटनी यू-टेस्ट एक गैर-पैरामेट्रिक सांख्यिकीय परीक्षण है, जिसका उपयोग किसी क्रमित अथवा सतत (परंतु अ-प्रसामान्य रूप से वितरित) आश्रित चर पर दो स्वतंत्र समूहों के बीच सार्थक अंतर है अथवा नहीं, यह निर्धारित करने हेतु किया जाता है। यह स्वतंत्र प्रतिदर्श t-परीक्षण का गैर-पैरामेट्रिक विकल्प है।
परीक्षण का आधार
- यह परीक्षण दोनों समूहों के सभी अंकों को एक साथ क्रमित (rank) कर, फिर दोनों समूहों के बीच क्रमों के योग की तुलना करके कार्य करता है।
- यह सीधे माध्यों की तुलना करने के बजाय यह परखता है कि क्या एक समूह में व्यवस्थित रूप से दूसरे की तुलना में उच्च अथवा निम्न क्रम होते हैं।
मान-व्हिटनी यू-टेस्ट के उपयोग
- जब आश्रित चर क्रमित मापनी (जैसे रेटिंग मापनी, क्रम-क्रम) पर मापा गया हो, जहाँ माध्य सार्थक नहीं होते, तब दो स्वतंत्र समूहों की तुलना।
- जब आँकड़े स्वतंत्र प्रतिदर्श t-परीक्षण हेतु आवश्यक प्रसामान्य वितरण की मान्यता का उल्लंघन करते हैं, तब t-परीक्षण के विकल्प के रूप में।
- छोटे प्रतिदर्श आकार — जब प्रतिदर्श आकार केंद्रीय सीमा प्रमेय द्वारा प्रसामान्यता मानने हेतु बहुत छोटे हों, तब उपयोगी।
- दो समूहों के बीच मनोवृत्ति/मत अंकों की तुलना (जैसे ऑनलाइन शिक्षण के प्रति पुरुष व महिला छात्रों की मनोवृत्ति की तुलना)।
- जब उपलब्धि अंक तिरछे हों अथवा छोटे प्रतिदर्श से हों, तब दो स्वतंत्र समूहों (जैसे प्रायोगिक बनाम नियंत्रण समूह) के प्रदर्शन की तुलना।
- जब आँकड़ों में विचलित मान (outliers) हों, तब उपयोग किया जाता है, क्योंकि यह क्रमों पर आधारित है तथा t-परीक्षण की तुलना में चरम मानों के प्रति कम संवेदनशील है।
अतः जब प्राचलिक परीक्षणों (जैसे t-परीक्षण) की मान्यताएँ पूरी नहीं की जा सकतीं, तब मान-व्हिटनी यू-टेस्ट दो स्वतंत्र समूहों की तुलना हेतु एक सुदृढ़ तरीका प्रदान करता है।
एक-पूँछीय व द्वि-पूँछीय परीक्षणों के बीच अन्तर लिखिए। उपयुक्त उदाहरण भी दीजिए।
एक-पूँछीय परीक्षण (One-tailed Test)
- दिशात्मक परिकल्पना हेतु उपयोग किया जाता है, जो यह भविष्यवाणी करता है कि कोई मान विशेष रूप से किसी अन्य मान से अधिक अथवा विशेष रूप से कम है।
- संपूर्ण अस्वीकृति क्षेत्र प्रतिचयन वितरण की एक पूँछ में होता है।
- उदाहरण: "क्रिया-आधारित विधि से पढ़ाए गए छात्र व्याख्यान विधि से पढ़ाए गए छात्रों की तुलना में सार्थक रूप से उच्च अंक प्राप्त करते हैं" — यह एक दिशा (उच्च) की भविष्यवाणी करता है, अतः एक-पूँछीय परीक्षण उपयोग किया जाता है।
द्वि-पूँछीय परीक्षण (Two-tailed Test)
- अ-दिशात्मक परिकल्पना हेतु उपयोग किया जाता है, जो केवल यह भविष्यवाणी करता है कि दो मान भिन्न हैं, बिना यह बताए कि कौन-सा अधिक है।
- अस्वीकृति क्षेत्र वितरण की दोनों पूँछों में विभाजित होता है।
- उदाहरण: "क्रिया-आधारित विधि व व्याख्यान विधि से पढ़ाए गए छात्रों की उपलब्धि अंकों में सार्थक अंतर है" — यह दिशा निर्दिष्ट नहीं करता, अतः द्वि-पूँछीय परीक्षण उपयोग किया जाता है।
मुख्य अंतर
| आधार | एक-पूँछीय परीक्षण | द्वि-पूँछीय परीक्षण |
|---|---|---|
| परिकल्पना प्रकार | दिशात्मक | अ-दिशात्मक |
| अस्वीकृति क्षेत्र | केवल एक पूँछ | दोनों पूँछें |
| क्रांतिक मान (.05 पर) | छोटा (भविष्यवाणी की दिशा में सार्थकता तक पहुँचना आसान) | बड़ा (अधिक रूढ़िवादी) |
| जोखिम | विपरीत दिशा में सार्थक प्रभाव छूट सकता है | अधिक सतर्क, किसी भी दिशा में प्रभाव का पता लगाता है |
शोध में विलकॉक्सन टी-परीक्षण की उपयोगिता लिखिए।
विलकॉक्सन टी-परीक्षण का अर्थ
विलकॉक्सन (चिह्नित-क्रम) टी-परीक्षण एक गैर-पैरामेट्रिक सांख्यिकीय परीक्षण है, जिसका उपयोग दो संबंधित/मिलान किए गए अथवा युग्मित प्रतिदर्शों की तुलना हेतु किया जाता है, यह आकलन करने हेतु कि उनके जनसंख्या माध्य-क्रम भिन्न हैं अथवा नहीं। यह युग्मित-प्रतिदर्श t-परीक्षण का गैर-पैरामेट्रिक विकल्प है।
परीक्षण का आधार
- यह परीक्षण प्रत्येक संबंधित अंक-युग्म के बीच अंतर की गणना करता है, निरपेक्ष अंतरों को क्रमित करता है, तथा फिर धनात्मक व ऋणात्मक क्रमों के योग की तुलना करता है।
- यह अंतरों के प्रसामान्य रूप से वितरित होने की मान्यता नहीं रखता, केवल यह कि उन्हें सार्थक रूप से क्रमित किया जा सके।
शोध में विलकॉक्सन टी-परीक्षण की उपयोगिता
- जब अंतर-अंक प्रसामान्य रूप से वितरित न हों, तब समान समूह के विषयियों हेतु पूर्व-परीक्षण/उत्तर-परीक्षण तुलना — जैसे किसी हस्तक्षेप कार्यक्रम से पूर्व व बाद में छात्रों के मनोवृत्ति अंकों की तुलना।
- मिलान-युग्म अभिकल्प — समान व्यक्तियों के बजाय प्रासंगिक विशेषताओं (जैसे IQ) पर मिलान किए गए विषयियों में दो स्थितियों की तुलना।
- जब अंतर-अंकों की प्रसामान्यता की मान्यता उल्लंघित हो, अथवा प्रतिदर्श आकार छोटा हो, तब युग्मित t-परीक्षण के विकल्प के रूप में।
- दो भिन्न स्थितियों अथवा समय-बिंदुओं (जैसे प्रशिक्षण से पूर्व व बाद रेटिंग मापनी अनुक्रियाएँ) पर समान विषयियों से संकलित क्रमित आँकड़ों का विश्लेषण।
- विचलित मानों (outliers) वाले आँकड़ों के साथ कार्य करते समय उपयोगी, क्योंकि यह कच्चे अंक-माध्यों के बजाय क्रमित अंतरों पर आधारित है, जिससे यह चरम मानों के प्रति अधिक सुदृढ़ है।
अतः जब प्राचलिक मान्यताएँ पूरी नहीं की जा सकतीं, तब विलकॉक्सन टी-परीक्षण दोहराए-मापन अथवा मिलान अभिकल्पों के विश्लेषण हेतु शैक्षिक व मनोवैज्ञानिक शोध में एक मूल्यवान उपकरण है।
परिकल्पना किसे कहते हैं? उपयुक्त उदाहरण से शून्य परिकल्पना व दिशात्मक परिकल्पना के बीच अन्तर लिखिए।
परिकल्पना का अर्थ
परिकल्पना, दो अथवा अधिक चरों के बीच अपेक्षित संबंध की भविष्यवाणी करने वाला एक अस्थायी, विशिष्ट एवं परीक्षण-योग्य कथन है, जो सिद्धांत अथवा पूर्व अवलोकन के आधार पर बनाया जाता है, जिसे शोधकर्ता अनुभवजन्य रूप से सत्यापित करना चाहता है।
शून्य परिकल्पना (H0)
- यह बताती है कि अध्ययनाधीन चरों के बीच कोई सार्थक संबंध अथवा अंतर नहीं है।
- यह वह परिकल्पना है जिसे वास्तव में सांख्यिकीय परीक्षण के अधीन रखा जाता है — शोधकर्ता साक्ष्य के आधार पर इसे अस्वीकार करता है अथवा अस्वीकार करने में असफल रहता है।
- उदाहरण: "क्रिया-आधारित विधि व व्याख्यान विधि से पढ़ाए गए छात्रों के माध्य उपलब्धि अंकों में कोई सार्थक अंतर नहीं है।"
दिशात्मक परिकल्पना
- एक प्रकार की वैकल्पिक परिकल्पना, जो चरों के बीच अंतर अथवा संबंध की अपेक्षित दिशा (अधिक अथवा कम) निर्दिष्ट करती है।
- एक-पूँछीय सांख्यिकीय परीक्षण द्वारा परखी जाती है।
- उदाहरण: "क्रिया-आधारित विधि से पढ़ाए गए छात्र व्याख्यान विधि से पढ़ाए गए छात्रों की तुलना में सार्थक रूप से उच्च अंक प्राप्त करेंगे।"
मुख्य अंतर
| आधार | शून्य परिकल्पना | दिशात्मक परिकल्पना |
|---|---|---|
| कथन | कोई अंतर/संबंध नहीं | अंतर की विशिष्ट दिशा |
| परीक्षण | सीधे सांख्यिकीय रूप से परखी जाती है | वैकल्पिक परिकल्पना (H1) का एक रूप |
| सांख्यिकीय परीक्षण | एक- व द्वि-पूँछीय दोनों परीक्षणों का आधार | एक-पूँछीय परीक्षण आवश्यक |
| उद्देश्य | खंडित की जाने वाली "कोई प्रभाव नहीं" स्थिति दर्शाती है | शोधकर्ता की विशिष्ट भविष्यवाणी दर्शाती है |
डाटा विश्लेषण में कम्प्यूटर पैकेज की उपयोगिता के बारे में लिखिए।
अर्थ
डाटा विश्लेषण हेतु कम्प्यूटर पैकेज से तात्पर्य उन विशेष सॉफ्टवेयर अनुप्रयोगों से है, जो सांख्यिकीय व संगणनात्मक तकनीकों का उपयोग कर शोध आँकड़ों को कुशलतापूर्वक संगठित, संसाधित, विश्लेषित व प्रस्तुत करने हेतु अभिकल्पित हैं।
सामान्यतः उपयोग किए जाने वाले कम्प्यूटर पैकेज
- SPSS (सामाजिक विज्ञान हेतु सांख्यिकीय पैकेज) — वर्णनात्मक व निगमनात्मक सांख्यिकी हेतु शैक्षिक व सामाजिक विज्ञान शोध में सर्वाधिक व्यापक रूप से उपयोग।
- माइक्रोसॉफ्ट एक्सेल — आँकड़ा प्रविष्टि, बुनियादी सांख्यिकीय फलन, क्रमबद्धता व चार्ट-निर्माण हेतु उपयोग।
- R एवं Python — उन्नत सांख्यिकीय संगणन, अनुकूलित विश्लेषण व आँकड़ा दृश्यांकन हेतु उपयोग।
- AMOS/LISREL — संरचनात्मक समीकरण मॉडलिंग व पथ विश्लेषण हेतु उपयोग।
- NVivo/ATLAS.ti — गुणात्मक आँकड़ा कोडिंग व विषयगत विश्लेषण हेतु उपयोग।
डाटा विश्लेषण में कम्प्यूटर पैकेज की उपयोगिता
- गति एवं दक्षता — बड़े आँकड़ा-सेट पर सेकंडों में जटिल गणनाएँ कर पर्याप्त समय व श्रम की बचत।
- सटीकता — मैनुअल गणनात्मक त्रुटियों को समाप्त कर सटीक सांख्यिकीय परिणाम सुनिश्चित करना।
- बड़े व जटिल आँकड़ों का प्रबंधन — कई चरों वाले बड़े प्रतिदर्शों के विश्लेषण को सक्षम बनाना, जो हाथ से गणना करने हेतु अव्यावहारिक होगा।
- उन्नत सांख्यिकीय प्रक्रियाएँ — बहु-प्रतिगमन, कारक विश्लेषण, ANOVA/ANCOVA व गैर-पैरामेट्रिक परीक्षण जैसी तकनीकों को सुलभ बनाना।
- आँकड़ा दृश्यांकन — परिणामों को स्पष्ट रूप से निर्वचित व प्रतिवेदित करने में सहायक ग्राफ, चार्ट व सारणियाँ उत्पन्न करना।
- आँकड़ा प्रबंधन — शोध आँकड़ों का व्यवस्थित भंडारण, शुद्धिकरण, कोडिंग, संपादन व पुनर्प्राप्ति।
- पुनरुत्पादनीयता — सहेजी गई सिंटैक्स/स्क्रिप्ट विश्लेषणों को पुनः चलाने व सत्यापित करने की अनुमति देती हैं, जो शोध में पारदर्शिता को समर्थन देता है।
अतः कम्प्यूटर पैकेजों ने शैक्षिक शोध में आँकड़ा विश्लेषण की प्रक्रिया को रूपांतरित कर इसे तीव्र, अधिक सटीक तथा ऐसी परिष्कृत सांख्यिकीय प्रक्रियाओं को संभालने में सक्षम बना दिया है जो अन्यथा अत्यधिक समय-साध्य होतीं।
निम्नलिखित में से किन्हीं तीन पर संक्षिप्त टिप्पणियाँ लिखिए: (अ) मध्यमान मानक त्रुटि (ब) आनुमानिक सांख्यिकी (स) केन्द्रीय सीमा प्रमेय की विशेषताएँ (द) डिग्री ऑफ फ्रीडम की संकल्पना।
(अ) मध्यमान मानक त्रुटि (Standard Error of Mean)
- माध्य की मानक त्रुटि (SEM), प्रतिदर्श माध्य के प्रतिचयन वितरण का मानक विचलन है — यह अनुमान लगाती है कि दोहराए गए प्रतिदर्शों में प्रतिदर्श माध्य वास्तविक जनसंख्या माध्य से कितना भिन्न होगा।
- सूत्र: SEM = σ / √n (जनसंख्या मानक विचलन को प्रतिदर्श आकार के वर्गमूल से भाग देने पर)।
- छोटा SEM यह दर्शाता है कि प्रतिदर्श माध्य जनसंख्या माध्य का अधिक परिशुद्ध/विश्वसनीय आकलन है; प्रतिदर्श आकार बढ़ने के साथ SEM घटता है।
- इसका उपयोग विश्वास अंतराल बनाने तथा जनसंख्या माध्यों के बारे में परिकल्पनाओं के परीक्षण हेतु किया जाता है।
(ब) आनुमानिक सांख्यिकी (Inferential Statistics)
- आनुमानिक सांख्यिकी में प्रतिदर्श से प्राप्त आँकड़ों का उपयोग कर, जिस बड़ी जनसंख्या से प्रतिदर्श लिया गया है, उसके बारे में सामान्यीकरण, भविष्यवाणी अथवा निगमन करना शामिल है।
- इसमें परिकल्पना परीक्षण (t-परीक्षण, ANOVA, काई-वर्ग), सह-संबंध व प्रतिगमन विश्लेषण, तथा आकलन (विश्वास अंतराल) जैसी तकनीकें शामिल हैं।
- वर्णनात्मक सांख्यिकी के विपरीत, जो केवल प्रतिदर्श आँकड़ों को सारांशित/वर्णित करती है बिना उससे परे सामान्यीकरण किए।
- प्रेक्षित प्रतिदर्श परिणाम वास्तविक जनसंख्या विशेषताओं को कितना दर्शाते हैं, इसकी संभावना का आकलन हेतु प्रायिकता सिद्धांत पर निर्भर करती है।
(स) केन्द्रीय सीमा प्रमेय की विशेषताएँ (Central Limit Theorem)
- यह बताता है कि प्रतिदर्श आकार बढ़ने के साथ, मूल जनसंख्या वितरण के आकार की परवाह किए बिना, प्रतिदर्श माध्य का प्रतिचयन वितरण प्रसामान्य वितरण के निकट पहुँचता है।
- प्रतिचयन वितरण का माध्य, जनसंख्या माध्य के बराबर होता है।
- प्रतिचयन वितरण का मानक विचलन (मानक त्रुटि), जनसंख्या मानक विचलन को प्रतिदर्श आकार के वर्गमूल से भाग देने पर प्राप्त होता है।
- प्रतिदर्श आकार बढ़ने के साथ प्रसामान्यता का सन्निकटन बेहतर होता है (सामान्यतः n ≥ 30 को पर्याप्त बड़ा माना जाता है)।
- यह प्रमेय, प्रतिदर्श आकार पर्याप्त बड़ा होने पर, जनसंख्या वितरण पूर्णतः प्रसामान्य न होने पर भी प्राचलिक परीक्षणों (जैसे t-परीक्षण, ANOVA) के उपयोग हेतु सैद्धांतिक औचित्य प्रदान करता है।
(द) डिग्री ऑफ फ्रीडम (df) की संकल्पना
- स्वातंत्र्य कोटि (df), किसी गणना में उन मानों की संख्या को कहते हैं जो किसी दी गई बाध्यता का उल्लंघन किए बिना स्वतंत्र रूप से बदल सकते हैं।
- सांख्यिकी में, df सामान्यतः प्रतिदर्श आकार में से आँकड़ों से आकलित प्राचलों की संख्या घटाकर परिकलित किया जाता है (जैसे एकल-प्रतिदर्श t-परीक्षण हेतु df = n − 1)।
- यह परिकल्पना परीक्षण हेतु क्रांतिक/सारणी मान देखते समय किस विशिष्ट प्रायिकता वितरण (जैसे कौन-सा t-वितरण अथवा काई-वर्ग वितरण) का उपयोग करना है, यह निर्धारित करने हेतु उपयोग किया जाता है।
- विभिन्न सांख्यिकीय परीक्षणों के df सूत्र भिन्न होते हैं — जैसे काई-वर्ग सुयोग्यता-परीक्षण हेतु df = k − 1 (k = श्रेणियों की संख्या); स्वतंत्र t-परीक्षण हेतु df = n1 + n2 − 2।
Research, Data Analysis and Interpretation-II
State the basic assumptions underlying the techniques of 'analysis of variance'.
Meaning of Analysis of Variance (ANOVA)
Analysis of Variance (ANOVA) is a parametric statistical technique used to test whether the means of three or more groups differ significantly, by comparing the variance between groups with the variance within groups.
Basic Assumptions Underlying ANOVA
- Normality — the scores in each group/population from which the samples are drawn should be normally distributed.
- Homogeneity of variance (homoscedasticity) — the variances of the different groups/populations being compared should be equal (or not significantly different).
- Independence of observations — each observation/score must be independent of every other observation; scores of one subject should not influence another's.
- Interval or ratio scale of measurement — the dependent variable should be measured on at least an interval scale for the arithmetic mean to be meaningful.
- Random sampling — samples should be drawn randomly from their respective populations to ensure the results can be generalised.
- Additivity of effects — in factorial ANOVA designs, the effects of different factors are assumed to combine additively unless a specific interaction effect is being tested.
- Absence of extreme outliers — since ANOVA is based on means and variances, extreme scores can distort the F-ratio and lead to misleading conclusions.
If these assumptions are seriously violated (e.g., markedly non-normal data or unequal variances), the researcher should consider using a non-parametric alternative such as the Kruskal-Wallis test instead of ANOVA.
Describe the uses of 'Analysis of Covariance'.
Meaning of Analysis of Covariance (ANCOVA)
Analysis of Covariance (ANCOVA) is a statistical technique that combines ANOVA and regression, used to compare group means on a dependent variable while statistically controlling for the effect of one or more concomitant variables (covariates) that are related to the dependent variable but not the main focus of the study.
Uses of Analysis of Covariance
- Statistical control of extraneous variables — controls for the influence of a covariate (e.g., IQ, prior achievement, age) that could not be controlled through randomisation alone.
- Adjusting for pre-existing group differences — in quasi-experimental or non-equivalent group designs, ANCOVA statistically adjusts post-test scores for differences in pre-test scores between groups, allowing fairer comparison.
- Increasing precision and statistical power — by removing variance due to the covariate from the error term, ANCOVA reduces error variance, making the F-test more sensitive to detect true treatment effects.
- Comparing teaching methods — commonly used in educational research to compare the effectiveness of different teaching methods while controlling for students' prior knowledge or aptitude.
- Reducing the need for perfectly matched groups — allows meaningful comparison even when experimental and control groups are not perfectly equivalent at the outset.
- Multivariate extensions — can be extended to control for multiple covariates simultaneously, useful in complex educational and social research designs.
ANCOVA is thus particularly valuable in educational research, where true random assignment is often difficult, and pre-existing differences between groups (such as prior achievement) need to be statistically accounted for to draw valid conclusions about treatment effects.
Describe the assumptions on which the use of non-parametric tests are based.
Meaning of Non-Parametric Tests
Non-parametric tests are statistical tests that do not require the data to meet strict assumptions about the population's parameters (like normal distribution), and are often called "distribution-free" tests.
Assumptions on Which Non-Parametric Tests Are Based
- No assumption of normal distribution — unlike parametric tests, non-parametric tests do not require the population to be normally distributed, making them suitable for skewed data.
- Suitable for nominal or ordinal data — applicable when data are categorical (nominal) or can only be ranked (ordinal), where means and standard deviations are not meaningful.
- Independence of observations — like parametric tests, most non-parametric tests still require that observations be independent of one another.
- Random sampling — samples should be drawn randomly from the population to allow valid generalisation.
- Ordinal properties of data (ranking) — many non-parametric tests (e.g., Mann-Whitney, Wilcoxon) assume the underlying data can be meaningfully ranked, even if actual numerical values are not used directly.
- No assumption of homogeneity of variance — non-parametric tests generally do not require equal variances across groups, making them robust when this parametric assumption is violated.
- Suitable for small sample sizes — non-parametric tests can be validly applied even with small samples, where the Central Limit Theorem's approximation to normality may not hold.
Because they rely on fewer and less restrictive assumptions, non-parametric tests are especially useful in educational and social research when data violate the assumptions required for parametric tests, or when working with small or ordinal-level data.
Calculate the Chi-square of the following data: 48 subjects were asked to express their opinion towards the proposition "should India withdraw from Asian Games" by marking, favourable, indifferent or unfavourable. The responses of 48 subjects are as below — Favourable: 24, Indifferent: 12, Unfavourable: 12.
Step 1: State the Hypothesis
Null Hypothesis (H0): There is no significant difference in opinion — the 48 subjects are equally distributed among the three response categories (favourable, indifferent, unfavourable).
Step 2: Set up Observed and Expected Frequencies
Since no other basis for expected proportions is given, under H0 the 48 responses are expected to be distributed equally across the 3 categories: Expected frequency (E) = 48 ÷ 3 = 16 for each category.
| Category | Observed (O) | Expected (E) | (O − E) | (O − E)² | (O − E)² / E |
|---|---|---|---|---|---|
| Favourable | 24 | 16 | 8 | 64 | 4.00 |
| Indifferent | 12 | 16 | −4 | 16 | 1.00 |
| Unfavourable | 12 | 16 | −4 | 16 | 1.00 |
| Total | 48 | 48 | — | — | χ² = 6.00 |
Step 3: Apply the Chi-square Formula
χ² = Σ [ (O − E)² / E ] = 4.00 + 1.00 + 1.00 = 6.00
Step 4: Determine Degrees of Freedom
df = k − 1 = 3 − 1 = 2 (where k = number of categories)
Step 5: Compare with Table Value
- Table value of χ² at df = 2, 0.05 level of significance = 5.99
- Calculated χ² (6.00) > Table value (5.99)
Step 6: Conclusion
Since the calculated χ² value (6.00) exceeds the table value (5.99) at the 0.05 level with df = 2, the null hypothesis is rejected. This indicates that there is a statistically significant difference in opinion among the 48 subjects — their responses are not equally distributed across the favourable, indifferent and unfavourable categories; a significantly larger proportion favoured the proposition than expected by chance.
(Note: at the 0.01 level, the table value is 9.21, so the result would not be significant at that stricter level — the finding is significant only at 0.05.)
Describe the use of Mann-Whitney U-test.
Meaning of Mann-Whitney U-Test
The Mann-Whitney U-test is a non-parametric statistical test used to determine whether there is a significant difference between two independent groups on an ordinal or continuous (but non-normally distributed) dependent variable. It is the non-parametric alternative to the independent samples t-test.
Basis of the Test
- The test works by ranking all scores from both groups together, then comparing the sum of ranks between the two groups.
- It tests whether one group tends to have systematically higher or lower ranks than the other, rather than comparing means directly.
Uses of Mann-Whitney U-Test
- Comparing two independent groups when the dependent variable is measured on an ordinal scale (e.g., rating scales, rank order) where means are not meaningful.
- Alternative to t-test when data violate the assumption of normal distribution required for the independent samples t-test.
- Small sample sizes — useful when sample sizes are too small to assume normality via the Central Limit Theorem.
- Comparing attitude/opinion scores between two groups (e.g., comparing attitude toward online learning between male and female students).
- Comparing performance of two independent groups (e.g., experimental vs. control group) when achievement scores are skewed or come from a small sample.
- Used when data contain outliers, since it is based on ranks and is less sensitive to extreme values than the t-test.
Thus, the Mann-Whitney U-test provides a robust way to compare two independent groups when the assumptions of parametric tests (like the t-test) cannot be met.
Write differences between one-tailed and two-tailed tests. Give suitable examples also.
One-Tailed Test
- Used for a directional hypothesis, predicting that a value is specifically greater than, or specifically less than, another value.
- The entire rejection region lies in one tail of the sampling distribution.
- Example: "Students taught using activity-based method score significantly higher than those taught using the lecture method" — this predicts a direction (higher), so a one-tailed test is used.
Two-Tailed Test
- Used for a non-directional hypothesis, predicting simply that two values differ, without specifying which is greater.
- The rejection region is divided between both tails of the distribution.
- Example: "There is a significant difference in achievement scores between students taught using the activity-based method and those taught using the lecture method" — this does not specify direction, so a two-tailed test is used.
Key Differences
| Basis | One-tailed test | Two-tailed test |
|---|---|---|
| Hypothesis type | Directional | Non-directional |
| Rejection region | One tail only | Both tails |
| Critical value (at .05) | Smaller (easier to reach significance in predicted direction) | Larger (more conservative) |
| Risk | May miss significant effect in opposite direction | More cautious, detects effect in either direction |
Describe the use of Wilcoxon T-test in research.
Meaning of Wilcoxon T-Test
The Wilcoxon (signed-rank) T-test is a non-parametric statistical test used to compare two related/matched or paired samples, to assess whether their population mean ranks differ. It is the non-parametric alternative to the paired-samples t-test.
Basis of the Test
- The test calculates the difference between each pair of related scores, ranks the absolute differences, and then compares the sum of positive and negative ranks.
- It does not assume the differences are normally distributed, only that they can be meaningfully ranked.
Uses of Wilcoxon T-Test in Research
- Pre-test/post-test comparison for the same group of subjects, when the difference scores are not normally distributed — e.g., comparing students' attitude scores before and after an intervention programme.
- Matched-pairs designs — comparing two conditions where subjects are matched on relevant characteristics (e.g., matched on IQ) rather than being the same individuals.
- Alternative to paired t-test when the assumption of normality of difference scores is violated, or when the sample size is small.
- Analysing ordinal data collected from the same subjects under two different conditions or time points (e.g., rating scale responses before and after training).
- Useful when working with data containing outliers, since it is based on ranked differences rather than raw score means, making it more robust to extreme values.
The Wilcoxon T-test is thus a valuable tool in educational and psychological research for analysing repeated-measures or matched designs when parametric assumptions cannot be satisfied.
What is Hypothesis? Differentiate between null and directional hypothesis with the help of suitable example.
Meaning of Hypothesis
A hypothesis is a tentative, specific and testable statement predicting the expected relationship between two or more variables, formulated on the basis of theory or prior observation, which the researcher sets out to verify empirically.
Null Hypothesis (H0)
- States that there is no significant relationship or difference between the variables being studied.
- It is the hypothesis actually subjected to statistical testing — the researcher either rejects or fails to reject it based on the evidence.
- Example: "There is no significant difference in the mean achievement scores of students taught through the activity-based method and those taught through the lecture method."
Directional Hypothesis
- A type of alternative hypothesis that specifies the expected direction of the difference or relationship between variables (greater than or less than).
- Tested using a one-tailed statistical test.
- Example: "Students taught through the activity-based method will score significantly higher than those taught through the lecture method."
Key Differences
| Basis | Null Hypothesis | Directional Hypothesis |
|---|---|---|
| Statement | No difference/relationship | Specific direction of difference |
| Testing | Directly tested statistically | A form of alternative hypothesis (H1) |
| Statistical test | Basis for both one- and two-tailed tests | Requires one-tailed test |
| Purpose | Represents "no effect" position to be disproved | Represents researcher's specific prediction |
Describe the use of computer packages in data analysis.
Meaning
Computer packages for data analysis refer to specialised software applications designed to organise, process, analyse and present research data efficiently using statistical and computational techniques.
Commonly Used Computer Packages
- SPSS (Statistical Package for Social Sciences) — most widely used in educational and social science research for descriptive and inferential statistics.
- Microsoft Excel — used for data entry, basic statistical functions, sorting and charting.
- R and Python — used for advanced statistical computing, custom analysis and data visualisation.
- AMOS/LISREL — used for structural equation modelling and path analysis.
- NVivo/ATLAS.ti — used for qualitative data coding and thematic analysis.
Usefulness of Computer Packages in Data Analysis
- Speed and efficiency — perform complex calculations on large datasets within seconds, saving considerable time and effort.
- Accuracy — eliminate manual computational errors, ensuring precise statistical results.
- Handling large and complex data — enable analysis of large samples with multiple variables that would be impractical to compute by hand.
- Advanced statistical procedures — make techniques like multiple regression, factor analysis, ANOVA/ANCOVA and non-parametric tests easily accessible.
- Data visualisation — generate graphs, charts and tables that aid in interpreting and reporting results clearly.
- Data management — allow systematic storage, cleaning, coding, editing and retrieval of research data.
- Reproducibility — saved syntax/scripts allow analyses to be re-run and verified, supporting transparency in research.
Computer packages have thus transformed the process of data analysis in educational research, making it faster, more accurate and capable of handling sophisticated statistical procedures that would otherwise be extremely time-consuming.
Write short notes on any three of the following: (a) Standard error of mean (b) Inferential statistics (c) Characteristics of Central Limit Theorem (d) Concept of Degree of Freedom (df).
(a) Standard Error of Mean
- The standard error of the mean (SEM) is the standard deviation of the sampling distribution of the sample mean — it estimates how much sample means would vary from the true population mean across repeated samples.
- Formula: SEM = σ / √n (population SD divided by the square root of sample size).
- A smaller SEM indicates the sample mean is a more precise/reliable estimate of the population mean; SEM decreases as sample size increases.
- It is used to construct confidence intervals and to test hypotheses about population means.
(b) Inferential Statistics
- Inferential statistics involves using data from a sample to make generalisations, predictions or inferences about the larger population from which the sample was drawn.
- Includes techniques like hypothesis testing (t-test, ANOVA, chi-square), correlation and regression analysis, and estimation (confidence intervals).
- Contrasted with descriptive statistics, which only summarises/describes the sample data itself without generalising beyond it.
- Relies on probability theory to estimate the likelihood that observed sample results reflect true population characteristics.
(c) Characteristics of Central Limit Theorem
- States that as sample size increases, the sampling distribution of the sample mean approaches a normal distribution, regardless of the shape of the original population distribution.
- The mean of the sampling distribution equals the population mean.
- The standard deviation of the sampling distribution (standard error) equals the population standard deviation divided by the square root of the sample size.
- The approximation to normality improves as sample size increases (commonly, n ≥ 30 is considered sufficiently large).
- This theorem provides the theoretical justification for using parametric tests (like t-test, ANOVA) even when the population distribution is not perfectly normal, provided the sample size is adequately large.
(d) Concept of Degree of Freedom (df)
- Degree of freedom refers to the number of values in a calculation that are free to vary without violating any given constraints.
- In statistics, df is typically calculated as the sample size minus the number of parameters estimated from the data (e.g., df = n − 1 for a single-sample t-test).
- It is used to determine which specific probability distribution (e.g., which t-distribution or chi-square distribution) to use when looking up critical/table values for hypothesis testing.
- Different statistical tests have different df formulas — e.g., for chi-square goodness-of-fit, df = k − 1 (k = number of categories); for independent t-test, df = n1 + n2 − 2.