RESULTS AND DISCUSSION Comparison o

RESULTS AND DISCUSSION Comparison of Parametric and Nonparametric Test Results for Two Correlated Samples
Two correlated samples pertaining to adult literacy-to-population ratio and employment-topopulation ratio were used to compare the test results derived from the parametric and nonparametric statistics. The succeeding discussion focuses not on the analysis of the SouthEast Asian demographics but rather on the comparison of the statistical outputs provided by the two said treatments.
The adult literacy rate as defined measures literacy among persons aged 15 years or older while the employment-to-population ratio refers to working-age population that is employed. For most countries, the working-age population is defined as persons aged 15 years or above (Table 1).
Table 1. South-East Asian Adult Literacy and Employment Ratios (Heyzer, 2013)
South-East Asian Countries Adult literacy-to- population ratio
(aged 15 and above) Employment-to- population ratio
(aged 15 and above)
Brunei Darussalam 95.4 63.5
Cambodia 73.9 81.4
Indonesia 92.8 63.2
Lao PDR 72.7 76.8
Malaysia 93.1 58.6
Myanmar 92.7 76.1
Philippines 95.4 60.1
Singapore 95.9 64.1
Thailand 93.5 71.1
Timor-Leste 58.3 54.5
Viet Nam 93.4 75.7
Since assessment of the normality assumption should be taken first into account before using the parametric test, the normality was examined visually using the normal probability plot. This method is a graphical way of assessing whether a set of data looks like it might come from a standard bell shaped curve, also known as normal distribution.
It must be noted that in a normal probability plot, the sorted data are plotted against values selected to make the resulting image look close to a straight line if the data are said to be approximately normally distributed. Deviations from a straight line indicate departures from normality.
The normal probability plot shown in Figure 1 suggests that most of the observations fall not so far from the line. This means that there is no strong indication of non-normality.

Figure 1. Normal Probability Plot for Adult Literacy and Employment Ratios
To further examine the nature of data distribution, the Kolmogorov-Smirnov test was computed to determine the degree of normality in the data. The value of this test provides a relative indication of normality, that is, as the value moves further away from zero, the data may be interpreted as it does not approximate a normal distribution. This test compares the set of scores in the sample to a normally distributed set of scores with the same mean and standard deviation.
Outcomes derived from Kolmogorov-Smirnov test posted a computed value of 0.1725, when compared to its critical value of 0.2844 at 0.05 level of significance, the data are interpreted as normally distributed (Table 2).
Table 2. Kolmogorov-Smirnov Normality Test for Adult Literacy and Employment Ratios

Demographic Kolmogorov-Smirnov Kolmogorov-Smirnov Conclusion
Variable Computed Value Critical Value at 0.05
Adult Literacy and Employment 0.1725 0.2844 Normally distributed
It is reasonable now to choose parametric statistics. To compare the two correlated samples, the parametric t-test was applied together with its nonparametric equivalent of Wilcoxon Τ test.
These treatments require two samples and it is necessary that those samples are to be paired. The said parametric and nonparametric tests are used when each observation in one group is paired with a related observation in the other group. Paired samples imply that each individual observation of one sample has a unique corresponding member in the other group.
It may be essential to note that the Wilcoxon T test has an advantage of using for it neither depends on the form of the data distribution nor on its parameters. It does not require any

ผลลัพธ์ (ไทย) 1:

ผลและเปรียบเทียบสนทนา ของพาราเมตริก และ Nonparametric ผลทดสอบตัวอย่างสอง Correlated สองตัวอย่าง correlated เกี่ยวกับผู้ใหญ่สามารถต่อประชากรอัตราและอัตราจ้าง topopulation ถูกใช้เพื่อเปรียบเทียบผลการทดสอบได้จากสถิติพาราเมตริก และ nonparametric การสนทนาถัดไปมุ่งเน้น ในการวิเคราะห์ข้อมูลประชากรเอเชียตะวันออกเฉียงใต้ไม่ แต่เป็นการเปรียบเทียบผลลัพธ์ทางสถิติที่ให้การรักษาดังกล่าวสอง อัตราผู้ใหญ่สามารถเป็นมาตรการกำหนดสามารถระหว่างบุคคลอายุ 15 ปี หรือมากกว่าในขณะที่อัตราการจ้างงานประชากรหมายถึงประชากรวัยทำงานที่เป็นลูกจ้าง ประเทศส่วนใหญ่ ประชากรวัยทำงานถูกกำหนด เป็นบุคคลอายุ 15 ปี หรือข้าง ต้น (ตารางที่ 1) ตารางที่ 1 สามารถผู้ใหญ่เอเชียตะวันออกเฉียงใต้และอัตราส่วนการจ้างงาน (Heyzer, 2013) ตะวันออกเฉียงใต้เอเชียประเทศผู้ใหญ่สามารถต่อประชากรอัตรา (อายุ 15 ขึ้นไป) อัตราการจ้างงานต่อประชากร (อายุ 15 ขึ้นไป) บรูไนดารุสซาลาม 95.4 63.5 กัมพูชา 73.9 81.4 63.2 92.8 อินโดนีเซีย ลาว 72.7 76.8 มาเลเซีย 93.1 58.6 พม่า 92.7 76.1 ฟิลิปปินส์ 95.4 60.1 64.1 95.9 สิงคโปร์ ไทย 93.5 71.1 ติมอร์-เลสเต 58.3 54.5 เวียดนาม 93.4 75.7 เนื่องจากวัดอัสสัมชัญ normality ควรดำเนินการแรกเข้าบัญชีก่อนที่จะใช้ทดสอบพาราเมตริก normality ที่ถูกตรวจสอบสายตาโดยใช้พล็อตความน่าเป็นปกติ วิธีนี้เป็นวิธีแบบกราฟิกประเมินว่าชุดของข้อมูลดูเหมือนว่าอาจมาจากเบลล์มาตรฐานเป็นรูปโค้ง หรือที่เรียกว่าการแจกแจงปกติ มันต้องถูกตั้งข้อสังเกตว่า ในแผนความน่าเป็นปกติ ข้อมูลเรียงลำดับเป็นพล็อตเทียบกับค่าที่เลือกจะทำให้ภาพผลลัพธ์ที่ดูใกล้กับเส้นตรงถ้าข้อมูลจะกล่าวประมาณปกติกระจาย ความแตกต่างจากเส้นตรงบ่งชี้ออกจาก normality แสดงในรูปที่ 1 พล็อตความน่าเป็นปกติแนะนำว่า ส่วนใหญ่ที่สังเกตอยู่ไม่ห่างไกลจากบรรทัด ซึ่งหมายความ ว่า มีวัดโนน normality ไม่แข็งแรง รูปที่ 1 พล็อตความน่าเป็นปกติสำหรับผู้ใหญ่วัดและอัตราส่วนการจ้างงาน ตรวจสอบลักษณะของการกระจายข้อมูลเพิ่มเติม การทดสอบน่าเป็น-Smirnov ถูกคำนวณเพื่อกำหนดระดับของ normality ในข้อมูล ค่าของการทดสอบนี้ช่วยให้บ่งชี้สัมพัทธ์ของ normality คือ เป็นค่าย้ายเพิ่มเติมจากศูนย์ อาจแปลข้อมูลมันไม่สามารถประมาณการแจกแจงปกติ การทดสอบนี้เปรียบเทียบชุดของคะแนนจากตัวอย่างชุดปกติกระจายของคะแนนมีค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานเดียวกัน ผลที่ได้จากการทดสอบน่าเป็น-Smirnov ลง 0.1725 คำนวณค่าเมื่อเทียบกับค่าวิกฤตของ 0.2844 ที่สำคัญของระดับ 0.05 แปลความหมายข้อมูลเป็นการกระจายปกติ (ตารางที่ 2) ตารางที่ 2 ทดสอบ Normality Smirnov ฟสำหรับผู้ใหญ่วัดและอัตราส่วนการจ้างงาน ฟฟ-Smirnov ประชากร-บทสรุป Smirnov ตัวแปรคำนวณค่าค่าสำคัญที่ 0.05 ผู้ใหญ่สามารถและจ้าง 0.1725 0.2844 ปกติ ได้เหมาะสมตอนนี้เลือกสถิติพาราเมตริก การเปรียบเทียบตัวอย่าง correlated สอง t-ทดสอบพาราเมตริกถูกใช้พร้อมเทียบเท่า nonparametric ของ Wilcoxon Τทดสอบ การรักษาเหล่านี้ต้องการมาทดสอบ และจำเป็นจะจับคู่ตัวอย่างเหล่านั้น การทดสอบ nonparametric และพาราเมตริกดังกล่าวใช้เมื่อสังเกตแต่ละครั้งในแต่ละกลุ่มจะจับคู่กับเก็บข้อมูลที่เกี่ยวข้องในกลุ่มอื่น ๆ ตัวอย่างจัดเป็นคู่เป็นสิทธิ์แบบว่า สังเกตแต่ละครั้งแต่ละของอย่างหนึ่งมีสมาชิกเกี่ยวข้องเฉพาะในกลุ่มอื่น ๆ อาจจำเป็นต้องทราบว่า การทดสอบ Wilcoxon T มีข้อดีของการใช้มันไม่ขึ้นอยู่ กับรูปแบบของการกระจายข้อมูล หรือพารามิเตอร์ ไม่ต้องมี

ผลลัพธ์ (ไทย) 2:

ผลการอภิปรายและเปรียบเทียบ Parametric และผลการทดสอบ nonparametric
สองตัวอย่างความสัมพันธ์สองตัวอย่างความสัมพันธ์ที่เกี่ยวข้องกับอัตราการอ่านออกเขียนได้ต่อประชากรผู้ใหญ่และอัตราการจ้างงานtopopulation ถูกนำมาใช้เพื่อเปรียบเทียบผลการทดสอบที่ได้จากสถิติคณิตศาสตร์และไม่อิงพารามิเตอร์ การอภิปรายที่ประสบความสำเร็จไม่ได้มุ่งเน้นไปที่การวิเคราะห์ของประชากรในภูมิภาคเอเชียตะวันออกเฉียงใต้ แต่ในการเปรียบเทียบผลทางสถิติที่ให้ไว้โดยทั้งสองกล่าวว่าการรักษา.
อัตราการรู้หนังสือของผู้ใหญ่เป็นมาตรการที่กำหนดไว้ความรู้ในหมู่ผู้ที่อายุ 15 ปีหรือมากกว่าในขณะที่การจ้างงาน-to- อัตราส่วนประชากรหมายถึงประชากรวัยทำงานที่เป็นลูกจ้าง สำหรับประเทศส่วนใหญ่ที่มีประชากรวัยทำงานที่ถูกกำหนดให้เป็นบุคคลที่อายุ 15 ปีขึ้นไป (ตารางที่ 1).
ตารางที่ 1 ในเอเชียตะวันออกเฉียงใต้รู้หนังสือสำหรับผู้ใหญ่และอัตราส่วนการจ้างงาน (Heyzer 2013)
เอเชียตะวันออกเฉียงใต้ประเทศผู้ใหญ่ความรู้-to- อัตราส่วนประชากร
(อายุ 15 ปีขึ้นไป)
อัตราการจ้างงานประชากร-to-(อายุ15 ขึ้นไป)
ประเทศบรูไนดารุสซาลาม 95.4 63.5
กัมพูชา 73.9 81.4
อินโดนีเซีย 92.8 63.2
ลาว 72.7 76.8
มาเลเซีย 93.1 58.6
พม่า 92.7 76.1
ฟิลิปปินส์ 95.4 60.1
สิงคโปร์ 95.9 64.1
ประเทศไทย 93.5 71.1
ติมอร์ -Leste 58.3 54.5
เวียดนาม 93.4 75.7
เนื่องจากการประเมินสมมติฐานปกติจะต้องดำเนินการครั้งแรกในบัญชีก่อนที่จะใช้การทดสอบพาราปกติได้รับการตรวจสอบทางสายตาโดยใช้พล็อตน่าจะเป็นปกติ วิธีนี้เป็นวิธีที่กราฟิกของการประเมินว่าชุดของข้อมูลที่ดูเหมือนว่ามันอาจจะมาจากระฆังมาตรฐานโค้งรูปยังเป็นที่รู้จักกระจายปกติ.
จะต้องมีการตั้งข้อสังเกตว่าในพล็อตน่าจะเป็นปกติข้อมูลที่เรียงลำดับมีการวางแผนกับค่าที่เลือก เพื่อให้ภาพที่เกิดมีลักษณะใกล้เคียงกับเส้นตรงถ้าข้อมูลบอกว่าจะประมาณกระจายตามปกติ เบี่ยงเบนไปจากแนวเส้นตรงบ่งบอกถึงการออกเดินทางจากปกติ.
พล็อตน่าจะเป็นปกติที่แสดงในรูปที่ 1 แสดงให้เห็นว่าส่วนใหญ่ของการสังเกตตกอยู่ไม่ไกลจากเส้น ซึ่งหมายความว่าไม่มีข้อบ่งชี้ที่แข็งแกร่งของที่ไม่ปกติ. รูปที่ 1 น่าจะเป็นพล็อตปกติสำหรับผู้ใหญ่ความรู้และอัตราส่วนการจ้างงานเพื่อเป็นการตรวจสอบลักษณะของการกระจายข้อมูลการทดสอบKolmogorov-Smirnov คำนวณเพื่อกำหนดระดับของภาวะปกติในข้อมูล . มูลค่าของการทดสอบนี้มีข้อบ่งชี้ที่ญาติของภาวะปกติที่มีที่เป็นค่าเคลื่อนห่างไกลจากศูนย์ข้อมูลที่อาจตีความได้ว่ามันไม่ได้ใกล้เคียงกับการกระจายปกติ การทดสอบนี้จะเปรียบเทียบชุดของคะแนนในกลุ่มตัวอย่างที่จะกระจายตามปกติชุดของคะแนนกับค่าเบี่ยงเบนหมายและมาตรฐานเดียวกัน. the ผลลัพธ์ที่ได้จากการทดสอบ Kolmogorov-Smirnov โพสต์ราคาคำนวณจาก 0.1725 เมื่อเทียบกับค่าวิกฤตของ 0.2844 ที่ระดับ 0.05 อย่างมีนัยสำคัญข้อมูลที่จะถูกตีความเป็นกระจายตามปกติ (ตารางที่ 2). ตารางที่ 2 Kolmogorov-Smirnov Normality ทดสอบการรู้หนังสือสำหรับผู้ใหญ่และอัตราส่วนการจ้างงานประชากรKolmogorov-Smirnov Kolmogorov-Smirnov สรุปตัวแปรค่าคอมพิวเตอร์มูลค่าที่สำคัญที่ระดับ0.05 การรู้หนังสือสำหรับผู้ใหญ่และการจ้างงาน 0.1725 0.2844 กระจายตามปกติมันก็มีเหตุผลที่จะเลือกในขณะนี้สถิติพารา เพื่อเปรียบเทียบความสัมพันธ์ทั้งสองตัวอย่างที่พารา t-test ถูกนำมาใช้ร่วมกับเทียบเท่าอิงพารามิเตอร์ของการทดสอบ Wilcoxon Τ. การรักษาเหล่านี้จำเป็นต้องใช้สองตัวอย่างและมีความจำเป็นที่กลุ่มตัวอย่างเหล่านี้จะจับคู่ กล่าวว่าการทดสอบคณิตศาสตร์และไม่อิงพารามิเตอร์จะใช้เมื่อการสังเกตในแต่ละกลุ่มหนึ่งถูกจับคู่กับการสังเกตที่เกี่ยวข้องในกลุ่มอื่น ๆ ตัวอย่างคู่หมายความว่าแต่ละสังเกตของแต่ละตัวอย่างหนึ่งมีสมาชิกที่สอดคล้องกันไม่ซ้ำกันในกลุ่มอื่น ๆ . มันอาจจะเป็นสิ่งสำคัญที่จะทราบว่าการทดสอบ Wilcoxon T มีความได้เปรียบของการใช้มันไม่ขึ้นอยู่กับรูปแบบของการกระจายข้อมูลหรือในตัวของมัน พารามิเตอร์ มันไม่จำเป็นต้องใด ๆ

ผลลัพธ์ (ไทย) 3:

ผลการอภิปรายของพารามิเตอร์และ 3 ผลการทดสอบสองบวกสองบวกตัวอย่าง
ตัวอย่างเกี่ยวกับอัตราส่วนการรู้หนังสือของผู้ใหญ่ของประชากรและการจ้างงาน อัตรา topopulation เปรียบเทียบผลการทดสอบที่ได้จากตัวแปรและสถิตินอนพาราเมตริก .ที่ประสบความสำเร็จการอภิปรายเน้นที่การวิเคราะห์ประชากรเอเชียตะวันออกเฉียงใต้ แต่ในการเปรียบเทียบสถิติที่ออกโดยสองบอกว่า การรักษา
ผู้ใหญ่การรู้เท่ากันตามที่กำหนดมาตรการการรู้หนังสือในผู้ที่อายุตั้งแต่ 15 ปีขึ้นไป ในขณะที่การจ้างงานต่อประชากรวัยทำงาน หมายถึง ประชากรที่เป็นลูกจ้าง สำหรับประเทศส่วนใหญ่ประชากรวัยทำงาน หมายถึง บุคคลที่มีอายุ 15 ปีขึ้นไป ( ตารางที่ 1 )
โต๊ะ 1 เอเชียตะวันออกเฉียงใต้และการจ้างงานอัตราการรู้หนังสือของผู้ใหญ่ ( Heyzer , 2013 )
ประเทศเอเชียตะวันออกเฉียงใต้ผู้ใหญ่การรู้หนังสือ -
อัตราส่วนประชากรอายุ 15 ปีขึ้นไป ) การจ้างงาน -
อัตราส่วนประชากรอายุ 15 ปีขึ้นไป )

ก่อกลายพันธุ์ บรูไนดารุสซาลาม กัมพูชา อินโดนีเซีย เป็น 63.5 73.9

อยู่ร้อยละ 63.2 ลาว 72.7 768

พม่ามาเลเซีย 93.1 58.6% 92.7 76.1

ก่อกลายพันธุ์ 60.1 ฟิลิปปินส์สิงคโปร์ไทยเท่ากับร้อยละ 71.1 95.9 64.1

ติมอร์ 58.3 54.5
เวียดนาม 93.4 75.7
ตั้งแต่การประเมินภาวะสมมติฐานควรแรกเข้าบัญชีก่อน โดยใช้การทดสอบพาราเมตริก , การแจกแจงแบบปกติคือการมองเห็นโดยใช้พล็อตน่าจะเป็นปกติวิธีการนี้เป็นวิธีแบบประเมินว่าชุดของข้อมูลที่ดูเหมือนจะมาจากมาตรฐานเส้นโค้งรูประฆัง หรือที่เรียกว่าการกระจายปกติ
มันต้องสังเกตว่าพล็อตน่าจะเป็นปกติ เรียงข้อมูลจะงัดข้อกับค่านิยมที่เลือกเพื่อให้ภาพที่เกิดดูใกล้ตรงบรรทัดถ้าข้อมูลเป็นประมาณแบบปกติการเบี่ยงเบนจากแนวเส้นตรงบ่งบอกถึงขาออกจากการแจกแจงแบบปกติ
ปกติน่าจะเป็นพล็อตที่แสดงในรูปที่ 1 แสดงให้เห็นว่าส่วนใหญ่ของการสังเกตที่ตกอยู่ไม่ไกลจากเส้น นี่หมายความว่ามีข้อบ่งชี้ที่แข็งแกร่งของไม่มีการแจกแจงแบบปกติ

รูปที่ 1 ปกติน่าจะเป็นแปลงอัตราส่วนการรู้หนังสือของผู้ใหญ่และการจ้างงาน
เพิ่มเติม ศึกษาธรรมชาติของการกระจายข้อมูลการเปลี่ยนแปลงแบบเพื่อคำนวณหาระดับปกติในข้อมูล คุณค่าของการทดสอบนี้มีญาติบ่งชี้ภาวะปกติ นั่นคือ เป็นค่าย้ายห่างไกลจากศูนย์ ข้อมูลอาจถูกตีความว่าเป็น มันไม่ใกล้เคียงมีการแจกแจงแบบปกติการทดสอบนี้จะเปรียบเทียบการตั้งค่าของคะแนนในตัวอย่างการกระจายของคะแนนกับค่าเฉลี่ยปกติชุดเดียวกัน และส่วนเบี่ยงเบนมาตรฐาน
ผลที่ได้มาจากการทดสอบเพื่อคำนวณมูลค่าของ 0.1725 แอนเดอร์สันโพสต์เมื่อเทียบกับมูลค่าของการ 0.2844 อย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05 , ข้อมูลจะถูกแปลเป็นแบบปกติ ( ตารางที่ 2 )
โต๊ะ 2เปลี่ยนแปลงเพื่อทดสอบความรู้และการจ้างงานสำหรับผู้ใหญ่ปกติ อัตราส่วนประชากรเปลี่ยนแปลง

เพื่อเปลี่ยนแปลงเพื่อสรุปตัวแปรคำนวณค่าวิกฤติค่า

ผู้ใหญ่ระดับการรู้หนังสือและการจ้างงาน 0.1725 0.2844 ปกติกระจาย
มันสมเหตุสมผลแล้วเลือกเชิงสถิติ เปรียบเทียบสองมีความสัมพันธ์อย่างสถิติพาราเมตริกที่ใช้ร่วมกันกับของเทียบเท่าตัวทดสอบสถิติΤ .
การรักษาเหล่านี้ต้องการสองตัวอย่าง และไม่จำเป็นที่คนเหล่านั้นจะถูกจับคู่ . กล่าวว่า ตัวแปรและการทดสอบนอนพาราเมตริกที่ใช้เมื่อสังเกตแต่ละกลุ่มเดียว คือ จับคู่กับ ที่เกี่ยวข้องกับการสังเกตในกลุ่มอื่น ๆคู่ตัวอย่าง แสดงให้เห็นว่า แต่ละแบบแต่ละตัวอย่างหนึ่งมีสมาชิกที่ไม่ซ้ำกันในกลุ่มอื่น ๆ
มันอาจจำเป็นที่จะต้องทราบว่าสถิติทดสอบมีความได้เปรียบของการใช้มันก็ขึ้นอยู่กับรูปแบบของการกระจายข้อมูลและพารามิเตอร์ มันไม่ต้องใด ๆ