ANOVA टेस्ट: उदाहरणों के साथ एक गहन मार्गदर्शिका

ANOVA समूह औसतों के बीच महत्वपूर्ण अंतर होने की जांच करने का तरीका प्रदान करता है, जिससे शोधकर्ता यह निर्धारित कर सकते हैं कि डेटा में पाए जाने वाले परिवर्तन समूहों के बीच वास्तविक अंतरों के कारण हैं या केवल यादृच्छिक संयोग से। यह विधि उन प्रयोगों या अध्ययनों में उपयोगी होती है जिनमें दो से अधिक समूह शामिल होते हैं, जहाँ पारंपरिक t-टेस्ट उपयुक्त या कुशल नहीं हो सकते।

यह लेख ANOVA टेस्ट की बुनियादी बातें, इसका उद्देश्य, इसके दो मुख्य प्रकार, और ANOVA करने की चरण-दर-चरण मार्गदर्शिका पर चर्चा करेगा। इन अवधारणाओं को समझने से आप अपने डेटा के लिए सही परीक्षण चुन पाएंगे और परिणामों की आत्मविश्वास के साथ व्याख्या कर पाएंगे। हम अवधारणा को बेहतर समझने के लिए एक उदाहरण भी देखेंगे। यदि आप सामान्य रूप से परिकल्पना परीक्षण के विचार में नए हैं, तो हमारा Hypothesis Testing Made Easy ट्यूटोरियल पढ़ें।

ANOVA टेस्ट क्या है?

ANOVA का अर्थ है Analysis of Variance, एक सांख्यिकीय परीक्षण जो तीन या अधिक समूहों के औसतों की तुलना करने के लिए उपयोग किया जाता है। यह समूह के भीतर और समूहों के बीच की विचरण का विश्लेषण करता है। प्राथमिक उद्देश्य यह आकलन करना है कि समूह औसतों के बीच देखी गई विचरण समूहों के भीतर की तुलना में अधिक महत्वपूर्ण है या नहीं। यदि समूह औसतों के बीच देखी गई विचरण महत्वपूर्ण है, तो यह दर्शाता है कि अंतर सार्थक हैं।

गणितीय रूप से, ANOVA डेटा में कुल परिवर्तनशीलता को दो घटकों में विभाजित करता है:

• समूह-वितर (Within-Group) परिवर्तनशीलता: व्यक्तिगत समूहों के भीतर के अंतरों से उत्पन्न परिवर्तनशीलता, जो यादृच्छिक उतार-चढ़ाव को दर्शाती है।
• समूहों-के-बिच (Between-Group) परिवर्तनशीलता: विभिन्न समूहों के औसतों के बीच के अंतरों से उत्पन्न परिवर्तनशीलता।

ANOVA की गणना हेतु F-सांख्यिकी। चित्र: लेखक

टेस्ट एक F-सांख्यिकी उत्पन्न करता है, जो समूहों के बीच और समूहों के भीतर की परिवर्तनशीलता के अनुपात को दिखाता है। यदि F-सांख्यिकी पर्याप्त रूप से बड़ी है, तो यह संकेत देती है कि कम से कम एक समूह का औसत अन्य से महत्वपूर्ण रूप से भिन्न है।

इसे बेहतर समझने के लिए, एक परिदृश्य पर विचार करें जहाँ आपसे तीन शिक्षण विधियों—लेचर, इंटरैक्टिव कार्यशाला, और ऑनलाइन लर्निंग—के आधार पर किसी छात्र के प्रदर्शन (परीक्षा अंक) का आकलन करने के लिए कहा जाता है। ANOVA यह आकलन करने में मदद कर सकता है कि क्या शिक्षण विधि का छात्र के परीक्षा प्रदर्शन पर सांख्यिकीय प्रभाव पड़ता है।

ANOVA टेस्ट के दो प्रकार

ANOVA के दो प्रकार हैं: वन-वे और टू-वे। स्वतंत्र चरों की संख्या और उनके पारस्परिक प्रभाव के आधार पर, दोनों अलग-अलग परिदृश्यों में उपयोग किए जाते हैं।

1. वन-वे ANOVA

वन-वे ANOVA टेस्ट तब उपयोग किया जाता है जब एक स्वतंत्र चर के दो या अधिक समूह होते हैं। उद्देश्य यह निर्धारित करना है कि क्या विभिन्न समूहों के औसतों के बीच कोई महत्वपूर्ण अंतर मौजूद है।

अपने उदाहरण में, हम तीन अलग-अलग शिक्षण विधियों (लेचर, कार्यशाला, और ऑनलाइन लर्निंग) की प्रभावशीलता की तुलना छात्र के परीक्षा अंकों पर करने के लिए वन-वे ANOVA का उपयोग कर सकते हैं। शिक्षण विधि तीन समूहों वाला स्वतंत्र चर है, और परीक्षा अंक आश्रित चर है।

• शून्य परिकल्पना (H₀): तीनों शिक्षण विधियों में छात्रों के औसत परीक्षा अंक समान हैं (औसतों में कोई अंतर नहीं)।
• वैकल्पिक परिकल्पना (H₁): कम से कम एक समूह का औसत महत्वपूर्ण रूप से भिन्न है।

शून्य और वैकल्पिक परिकल्पना की तुलना। चित्र: लेखक

वन-वे ANOVA टेस्ट हमें बताएगा कि क्या छात्र के परीक्षा अंकों में परिवर्तन शिक्षण विधियों के अंतरों के कारण है या संभवतः यादृच्छिक संयोग के कारण।

वन-वे ANOVA एकल कारक के प्रभाव का कई समूहों में विश्लेषण करते समय प्रभावी है, जिससे इसकी व्याख्या सरल हो जाती है। हालांकि, यह कई स्वतंत्र चरों के बीच संभावित अंतर्क्रिया का हिसाब नहीं रखता; ऐसे में टू-वे ANOVA आवश्यक हो जाता है।

2. टू-वे ANOVA

टू-वे ANOVA तब उपयोग किया जाता है जब दो स्वतंत्र चर होते हैं, जिनमें से प्रत्येक के दो या अधिक समूह होते हैं। उद्देश्य यह विश्लेषण करना है कि दोनों स्वतंत्र चर आश्रित चर को कैसे प्रभावित करते हैं।

मान लीजिए आप शिक्षण विधियों और अध्ययन तकनीकों के बीच संबंध और वे मिलकर छात्र के प्रदर्शन को कैसे प्रभावित करते हैं, इसमें रुचि रखते हैं। यह परिदृश्य टू-वे ANOVA के लिए उपयुक्त है। यहाँ हम तीन परिकल्पनाएँ जाँचते हैं:

• कारक 1 (शिक्षण विधि) का मुख्य प्रभाव: क्या शिक्षण विधि छात्र के परीक्षा अंकों को प्रभावित करती है?
• कारक 2 (अध्ययन तकनीक) का मुख्य प्रभाव: क्या अध्ययन तकनीक परीक्षा अंकों को प्रभावित करती है?
• अंतर्क्रिया प्रभाव: क्या शिक्षण विधि की प्रभावशीलता प्रयुक्त अध्ययन तकनीक पर निर्भर करती है?

उदाहरण के लिए, टू-वे ANOVA यह प्रकट कर सकता है कि लेचर विधि का उपयोग करने वाले छात्र समूह अध्ययन में बेहतर प्रदर्शन करते हैं, और ऑनलाइन लर्निंग का उपयोग करने वाले छात्र व्यक्तिगत अध्ययन में बेहतर कर सकते हैं। इन अंतर्क्रियाओं को समझना यह बताता है कि विभिन्न कारक मिलकर परिणामों को कैसे प्रभावित करते हैं।

ANOVA बनाम T-टेस्ट

आप सोच रहे होंगे: मुझे ANOVA कब चुनना चाहिए और t-टेस्ट कब? t-टेस्ट और ANOVA दोनों का उपयोग समूहों के औसतों की तुलना करने के लिए किया जाता है, लेकिन इनके बीच चयन इस पर निर्भर करता है कि कितने समूहों की तुलना की जा रही है और डेटा संरचना कितनी जटिल है।

T-टेस्ट कब उपयोग करें

t-टेस्ट तब उपयुक्त है जब दो समूहों के औसतों की तुलना की जा रही हो। उदाहरण के लिए, यदि हम केवल दो शिक्षण विधियों—लेचर और कार्यशाला—का उपयोग करने वाले छात्रों के परीक्षा अंकों की तुलना करना चाहें, तो t-टेस्ट पर्याप्त होगा। t-टेस्ट के दो प्रकार हैं:

• स्वतंत्र t-टेस्ट: दो स्वतंत्र समूहों की तुलना करता है (जैसे, लेचर बनाम कार्यशाला)।
• युग्मित t-टेस्ट: एक ही समूह के अलग-अलग समयों पर औसतों की तुलना करता है (जैसे, किसी विशेष शिक्षण विधि के उपयोग से पहले और बाद में छात्र का प्रदर्शन)।

ANOVA कब उपयोग करें

दूसरी ओर, ANOVA का उपयोग तब किया जाता है जब तीन या अधिक समूहों के औसतों की तुलना करनी हो। हमारे अध्ययन में तीन शिक्षण विधियाँ (लेचर, कार्यशाला, और ऑनलाइन लर्निंग) शामिल हैं, इसलिए केवल t-टेस्ट पर्याप्त नहीं है। प्रत्येक समूह-युग्म के लिए कई t-टेस्ट चलाने से प्रकार I त्रुटि (फॉल्स पॉज़िटिव) का जोखिम बढ़ जाएगा, जबकि ANOVA एक ही परीक्षण में तुलना को संभालता है और इस त्रुटि को नियंत्रित करता है।

ANOVA टेस्ट की मान्यताएँ

सभी सांख्यिकीय परीक्षणों की कुछ मान्यताएँ होती हैं जिन्हें मान्य परिणाम सुनिश्चित करने के लिए पूरा किया जाना चाहिए। 

ANOVA के लिए पूरी की जाने वाली मान्यताएँ ये हैं:

1. प्रेक्षणों की स्वतंत्रता

प्रेक्षण (डेटा बिंदु) एक-दूसरे से स्वतंत्र होने चाहिए। उदाहरण में, एक शिक्षण विधि में छात्रों के परीक्षा अंक दूसरी विधि में छात्रों के अंकों को प्रभावित नहीं करने चाहिए।

2. विचरण की समानता

प्रत्येक समूह के भीतर का विचरण लगभग समान होना चाहिए। ANOVA यह मानता है कि प्रत्येक शिक्षण विधि समूह के भीतर परीक्षा अंकों की परिवर्तनशीलता लगभग समान है। इसे Levene’s टेस्ट का उपयोग करके परखा जा सकता है, जो समान विचरणों की जाँच करता है।

3. सामान्य वितरण

प्रत्येक समूह के भीतर डेटा सामान्य वितरण का पालन करना चाहिए। हमारे शिक्षण विधि उदाहरण में, प्रत्येक शिक्षण समूह (लेचर, कार्यशाला, ऑनलाइन लर्निंग) के छात्रों के परीक्षा अंक आदर्श रूप से सामान्य रूप से वितरित होने चाहिए।

यदि कोई मान्यता भंग होती है, तो परीक्षण के परिणाम अमान्य हो सकते हैं। ऐसे मामलों में, किसी गैर-पैरामीट्रिक परीक्षण का उपयोग करना आवश्यक है।

ANOVA टेस्ट करना

हम विभिन्न शिक्षण विधियों की तुलना वाले उसी उदाहरण का उपयोग करेंगे ताकि यह जाँच की जा सके कि वे छात्र के परीक्षा अंकों को कैसे प्रभावित करती हैं। मान लीजिए आपको निम्न डेटा दिया गया है, जो शिक्षण विधि (स्वतंत्र चर) के आधार पर परीक्षा अंक (आश्रित चर) दिखाता है।

प्रत्येक शिक्षण विधि के लिए चार-चार छात्रों के परीक्षा अंक। चित्र: लेखक

चरण 1: परिकल्पना परिभाषित करें

प्रक्रिया का पहला चरण परिकल्पना को परिभाषित करना है। शून्य और वैकल्पिक परिकल्पनाएँ बताइए:

• शून्य परिकल्पना (H₀): तीनों शिक्षण विधियों में छात्रों के परीक्षा अंकों के औसत समान हैं।
• वैकल्पिक परिकल्पना (H₁): कम से कम एक शिक्षण विधि का औसत परीक्षा अंक अलग है।

शून्य परिकल्पना और वैकल्पिक परिकल्पना। चित्र: लेखक

चरण 2: ANOVA की मान्यताएँ जाँचें

ANOVA करने से पहले सुनिश्चित करें कि मान्यताएँ पूरी हों—सामान्यता, स्वतंत्रता, और विचरण की समानता। सरलता के लिए, मान लेते हैं कि सभी मान्यताएँ पूरी होती हैं।

चरण 3: ANOVA की गणना करें

मान्यताएँ जाँचने के बाद, ANOVA की गणना करें।

वन-वे ANOVA में F-सांख्यिकी का सूत्र नीचे दिया गया है।

वन-वे ANOVA में F-सांख्यिकी। चित्र: लेखक

वन-वे ANOVA में F-सांख्यिकी समूहों के बीच औसत वर्ग योग और समूहों के भीतर औसत वर्ग योग के अनुपात के बराबर होती है।

इसे पाने के लिए, चलिए चरण दर चरण बढ़ते हैं।

1. प्रत्येक समूह का औसत और समग्र औसत की गणना करें।

नीचे दिए गए समीकरण का उपयोग करके प्रत्येक शिक्षण विधि का औसत (Ai) निकालें। प्रत्येक समूह के परीक्षा अंकों के योग को उस समूह में छात्रों की संख्या से विभाजित करें।

प्रत्येक समूह (शिक्षण विधि) का औसत। चित्र: लेखक

अगले चरण में समग्र औसत (G) की गणना करें, जो सभी प्रेक्षणों के योग को कुल छात्रों की संख्या से विभाजित करने पर मिलेगा।

परीक्षा अंकों का समग्र औसत। चित्र: लेखक

2. प्रत्येक समूह के लिए सम ऑफ़ स्क्वेयर्स (SS) की गणना करें

प्रत्येक समूह के लिए सम ऑफ़ स्क्वेयर्स की गणना हेतु समीकरण निम्न है।

प्रत्येक शिक्षण विधि के लिए सम ऑफ़ स्क्वेयर्स। चित्र: लेखक

गणना के बाद, सुविधाजनक संदर्भ के लिए इन मानों को इस सारणी में भरें।

शिक्षण विधि के अनुसार छात्रों के प्रदर्शन का सारांश। चित्र: लेखक

3. समूहों के बीच, समूहों के भीतर, और कुल सम ऑफ़ स्क्वेयर्स की गणना करें।

नीचे दिए गए समीकरण का उपयोग करके समूहों के बीच सम ऑफ़ स्क्वेयर्स की गणना करें। इस समीकरण में,

• Ai: समूह का औसत
• G: समग्र औसत
• ni: प्रत्येक समूह में प्रेक्षणों की संख्या

गणना के लिए सारांश सारणी के मानों का उपयोग करें।

समूहों के बीच सम ऑफ़ स्क्वेयर्स

अगला, समूहों के भीतर सम ऑफ़ स्क्वेयर्स की गणना करें। यह प्रत्येक समूह के सम ऑफ़ स्क्वेयर्स (SS) का योग है।

समूहों के भीतर सम ऑफ़ स्क्वेयर्स। चित्र: लेखक

कुल सम ऑफ़ स्क्वेयर्स की गणना हेतु नीचे दिए गए समीकरण का उपयोग करें
कुल सम ऑफ़ स्क्वेयर्स। चित्र: लेखक

इसकी पुष्टि करें कि कुल सम ऑफ़ स्क्वेयर्स समूहों के बीच और समूहों के भीतर सम ऑफ़ स्क्वेयर्स के योग के बराबर है। पुष्टि के बाद, औसत वर्गों (Mean Squares) की गणना करें।

4. औसत वर्ग (Mean Squares) की गणना करें

औसत वर्ग, वर्ग योग और स्वतंत्रता की डिग्री के अनुपात के बराबर होता है।

समूहों के बीच स्वतंत्रता की डिग्री df_between समूहों की संख्या माइनस एक के बराबर होती है, और समूहों के भीतर स्वतंत्रता की डिग्री df_w कुल प्रतिभागियों की संख्या माइनस समूहों की संख्या के बराबर होती है।

पिछले चरण में निकाले गए मानों के साथ, औसत वर्गों की गणना करें।

समूहों के बीच और समूहों के भीतर औसत वर्ग। चित्र: लेखक

5. नीचे दिए गए समीकरण से F-सांख्यिकी की गणना करें

F-सांख्यिकी समूहों के बीच औसत वर्ग और समूहों के भीतर औसत वर्ग के अनुपात के बराबर होती है।

F-सांख्यिकी। चित्र: लेखक

गणना की गई F-सांख्यिकी का मान 28.747 है।

अंततः, p-मूल्य F-सांख्यिकी, स्वतंत्रता की डिग्री df, और F-वितरण तालिका का उपयोग करके निकाला जाता है।

इस उदाहरण में, अंश का df 2 है, हर का df 9 है, और F-सांख्यिकी 28.747 है। अतः F-वितरण तालिका से p-मूल्य 0.000123 है।

चरण 4: परिणामों की व्याख्या करें

• F-सांख्यिकी: F-सांख्यिकी समूहों के बीच परिवर्तनशीलता और समूहों के भीतर परिवर्तनशीलता के अनुपात को मापती है। अधिक F-सांख्यिकी संकेत देती है कि यादृच्छिक परिवर्तन की तुलना में समूह औसतों के बीच अंतर अधिक महत्वपूर्ण है।
• P-मूल्य: p-मूल्य यह निर्धारित करता है कि समूह औसतों के बीच के अंतर सांख्यिकीय रूप से महत्वपूर्ण हैं या नहीं। यदि p-मूल्य पूर्वनिर्धारित सीमा (आम तौर पर 0.05) से कम है, तो शून्य परिकल्पना को अस्वीकार करें और निष्कर्ष निकालें कि कम से कम एक समूह का औसत महत्वपूर्ण रूप से भिन्न है।

p-मूल्य 0.000123 है, और हम शून्य परिकल्पना को अस्वीकार करेंगे, यह निष्कर्ष निकालते हुए कि शिक्षण विधि का परीक्षा अंकों पर महत्वपूर्ण प्रभाव पड़ता है।

ANOVA के बाद पोस्ट-हॉक टेस्ट

ANOVA हमें बताता है कि समूह औसतों के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर है या नहीं, लेकिन यह नहीं बताता कि कौन-से समूह एक-दूसरे से महत्वपूर्ण रूप से भिन्न हैं। यही पोस्ट-हॉक टेस्ट का कार्य है—ये समूहों के बीच युग्मवार तुलना करते हैं ताकि ठीक-ठीक पता चल सके कि अंतर कहाँ हैं। जब आपके पास दो से अधिक समूह हों और ANOVA का परिणाम महत्वपूर्ण हो, तो ये परीक्षण आवश्यक होते हैं।

हमारे उदाहरण को जारी रखते हुए, तीन शिक्षण विधियों (लेचर, कार्यशाला, और ऑनलाइन लर्निंग) पर वन-वे ANOVA करने के बाद टेस्ट छात्र के परीक्षा अंकों में महत्वपूर्ण अंतर दिखाता है। पोस्ट-हॉक टेस्ट हमें यह निर्धारित करने में मदद करेगा कि कौन-सी शिक्षण विधियाँ परीक्षा प्रदर्शन को अलग-अलग तरीके से प्रभावित करती हैं।

Tukey’s Honestly Significant Difference (HSD) और Bonferroni Correction व्यापक रूप से उपयोग किए जाने वाले पोस्ट-हॉक टेस्ट हैं।

ANOVA के विकल्प

यदि ANOVA की मान्यताएँ पूरी नहीं होतीं, या जब ANOVA डेटा सेट के लिए उपयुक्त नहीं होता, तो निम्न विकल्पों पर विचार करें।

1. Kruskal-Wallis टेस्ट: जब सामान्यता की मान्यता भंग हो, तो यह वन-वे ANOVA का गैर-पैरामीट्रिक विकल्प है। यह Mann-Whitney U टेस्ट का विस्तृत संस्करण है।
2. MANOVA (Multivariate Analysis of Variance): यह ANOVA के सिद्धांतों को अनेक आश्रित चरों तक विस्तारित करता है। यह जाँचता है कि क्या अनेक आश्रित चरों के औसत वेक्टर समूहों के बीच भिन्न हैं।

निष्कर्ष

इस लेख में ANOVA की मूल अवधारणाओं का परिचय दिया गया और यह रेखांकित किया गया कि इसे t-टेस्ट के बजाय कब उपयोग करना चाहिए। हमने सीखा कि ANOVA एक सुदृढ़ सांख्यिकीय विश्लेषण है जो एक साथ कई समूहों की तुलना करता है। हमने ANOVA करने की चरण-दर-चरण मार्गदर्शिका दी, जिसमें परिकल्पनाएँ बनाना, मान्यताएँ जाँचना, और परिणामों की व्याख्या करना शामिल है।

Excel में ANOVA का व्यावहारिक अनुभव पाने के लिए, Comprehensive Guide to Using ANOVA in Excel ट्यूटोरियल देखें। सांख्यिकी का ज्ञान बढ़ाने के लिए Foundations of Inference in Python और Introduction to Statistics पाठ्यक्रम करने पर विचार करें।