soal no 3
Post on 09-Dec-2015
217 Views
Preview:
DESCRIPTION
TRANSCRIPT
Contoh : Desain Faktorial Untuk MANOVA dengan Dua Variabel Independen
Stage 1 : Obyek MANOVA
Dua pertanyaan awal yang diujikan merujuk pada dampak dua distribusi faktor
dan duurasi customer relationship pada susunan purchase outcome. Tujuan
termasuk multiple independen variabel dalam MANOVA untuk menguji efek
mereka berkontinjensi atau kontrol dari variabel lain.
Stage 2 : Desain Riset MANOVA
Ukuran sampel yang Disarankan
Seperti yang telah disebutkan sebelumnya, 2x3 digunakan karena menggunakan
dua level X5.
Adequacy of Statostical Powerbahasan ini menjadi sangat penting saat menguji
perbedaan nonsignifikan dimana peneliti harus menentukan apakah hasil
nonsignifikan mencukupi ukuran efek atau kekuatan statistik lemah.
Stage 3 : Asumsi MANOVA
Seperti pada analisa MANOVA sebelumnya, asumsi terbesar yang penting adalah
homogenitas varians-kovarians matriks antar grup. Menemukan asumsi ini
menungkinkan untuk interpretasi langsung pada hasil tanpa mempertimbangkan
besarnya grup, level kovarians, dalam grup dan lainnya. Tambahan asumsi
statistik terkait variabel dependen telah merujuk pada contoh sebelumnya,
bahasan final adalah kehadiran oulier dan kebutuhan penghapusan beberapa
observasu yang mungkin memutarbalikkan nilai rata-rata grup.
Homoskedastisitas dan Outliers
Tes multivariat Box’s M memiliki nilai nonsignifikan yang memungkinkan kita
untuk menerima hipotesis nol dari homogenitas matriks varians-kovarians pada
level 0,05. Dengan tes univariat dan multivariat menunjukkan nonsignifikan,
peneliti dapat menggali asumsi homoskedastisitas.
Stage 4 : Estimasi Model MANOVA dan Menguji Kecocokannya Secara
Keseluruhan
Model MANOVA untuk desain faktorial tidak hanya efek utama dari dua variabel
independen, namun juga interaksi atau efek join variabel dependen. Langkah
pertama adalah untuk menguji efek interaksi dan menentukan apakah secara
statistik signifikan. Apabila signifikan, kemudian peneliti harus mengkonfirmasi
efek interaksi itu ordinal.
Menguji Efek Interaksi
Arti paling umum dari grafis adalah untuk menciptakan line charts yang
menggambaekan pasangan variabel independen. Apabila garis berangkay dari
paralel tapi tidak pernah melintasi nilai signifikan. Maka interaksi tersebut
dianggap ordinal.
Menguji Interaksi dan Efek Utama
Efek interaksi dapat pula diuji dengan cara yang sama seperti main effects. Efek
interaksi juga dianggap signifikan untuk tiap tiga variabel dependen. Tes statistik
dikonfirmasi pada grafis.
Memperkirakan Main Effects
Apabila efek interaksi dianggap nonsignifikan atau bahkan signifikan dan ordinal,
peneliti dapat melanjutkan estimasi signifikansi main effects untuk perbedaan
diantara grup.
Stage 5 : Interpretasi Hasil
Interpretasi desain faktorial MANOVA adalah dengan kombinasi judgements
yang digambarkan dari uji statistik dan pengujian basis data.
Interpretasi Interaksi Main Effects
Signifikansi statistik mungkin didukung dari uji multivariat namun menguji tes
bagi setiap variabel menyediakan pandangan kritis ke dalam efek yang terlihat
dalam tes multivariat. Dengan interaksi main effects yang ditemukan, statistik
menjadi signifikan dari kedua multivariat dan univariat. Interpretasi tetap
bergantung pada pola efek yang ditunjukkan dalam nilai enam grup.
Kovariat Potensial
Menambahkan covariat adalah untuk mengembangkan analisa dan interpretasi
variabel independen. Peran kovariat adalah untuk mengontrol efek luar dari
lingkup analisa MANOVA yang mungkin berefek dari grup beda dalam cara yang
sistematis. Kovariat lebih efektif saat terjadi korelasi dengan variabel dependen,
namun tidak berkorelasi relatif pada variabel independen yang digunakan.
top related