4.1.2. Test of normalityThe normali

4.1.2. Test of normality
The normality tests of KolmogoroveSmirnov and the
ShapiroeWilk were used to examine the normality of the data.
However, respondents tend to rate 4 and 5 (helpful to very helpful),
resulting in skewed data. Hence, in subsequent analyses, bootstrapping
is used to handle non-normal distributed data. Bootstrapping
is a re-sampling technique which enables researchers to
draw a conclusion about the characteristics of a population strictly
from the existing sample rather than by making parametric assumptions
about the estimator (Byrne, 2010; Mooney & Duval, 1993).
The bootstrap method with sequential quadratic programming
algorithmwas used to obtain estimates of the standard errors of the
parameters and confidence intervals. The standard error of each
parameter estimate is calculated as the standard deviation of the
bootstrapped estimates of that parameter, then, parameter values from the original data are used as starting values for each bootstrap
sample (Norusis, 2012).

ผลลัพธ์ (ไทย) 1:

4.1.2 การทดสอบของปกติ
ทดสอบปกติของ kolmogorovesmirnov และ
shapiroewilk ถูกนำมาใช้ในการตรวจสอบปกติของข้อมูล.
แต่ผู้ตอบแบบสอบถามมีแนวโน้มที่จะมีอัตราที่ 4 และ 5 (ประโยชน์ที่จะเป็นประโยชน์มาก)
ผลให้ข้อมูลบิดเบือน ด้วยเหตุนี้ในการวิเคราะห์ภายหลัง bootstrapping
จะใช้ในการจัดการข้อมูลการกระจายที่ไม่ปกติ
bootstrapping เป็นเทคนิคใหม่ที่ช่วยให้การเก็บตัวอย่างนักวิจัย
วาดข้อสรุปเกี่ยวกับลักษณะของประชากร
อย่างเคร่งครัดจากตัวอย่างที่มีอยู่มากกว่าโดยการทำสมมติฐานตัวแปร
เกี่ยวกับประมาณการ (เบิร์น 2010; มูนนี่& DUVAL, 1993).
วิธีการบูตกับการเขียนโปรแกรมกำลังสองลำดับ
algorithmwas ใช้เพื่อให้ได้ ประมาณการของข้อผิดพลาดมาตรฐานของ
พารามิเตอร์และช่วงความเชื่อมั่น ข้อผิดพลาดมาตรฐานของแต่ละ
ประมาณพารามิเตอร์จะถูกคำนวณเป็นค่าเบี่ยงเบนมาตรฐานของ
ประมาณการ bootstrapped ของพารามิเตอร์ที่แล้วค่าพารามิเตอร์จากข้อมูลเดิมที่มีการเริ่มต้นใช้เป็นค่าสำหรับแต่ละบูต
ตัวอย่าง (norusis, 2012)

ผลลัพธ์ (ไทย) 2:

4.1.2 การทดสอบ normality
ทดสอบ normality ของ KolmogoroveSmirnov และ
ShapiroeWilk ใช้ในการตรวจสอบ normality ของข้อมูล
อย่างไรก็ตาม ผู้ตอบมักจะ อันดับ 4 และ 5 (ประโยชน์มาก),
ในนี้ข้อมูล ดังนั้น ในเวลาต่อมาวิเคราะห์ bootstrapping
ใช้สำหรับจัดการข้อมูลกระจายไม่ปกติ Bootstrapping
เป็นเทคนิคใหม่ sampling ซึ่งช่วยให้นักวิจัยไป
วาดสรุปเกี่ยวกับลักษณะของประชากรอย่างเคร่งครัด
จากตัวอย่างที่มีอยู่ มากกว่า ตามสมมติฐานพาราเมตริก
เกี่ยวกับประมาณการ (Byrne, 2010 Mooney &ดูวอล 1993) .
วิธีการเริ่มต้นระบบ ด้วยโปรแกรมกำลังสองตามลำดับ
algorithmwas ที่ใช้ในการขอรับการประเมินมาตรฐานข้อผิดพลาดของการ
พารามิเตอร์และช่วงความเชื่อมั่น ข้อผิดพลาดมาตรฐานของแต่ละคน
ประเมินพารามิเตอร์จะคำนวณเป็นส่วนเบี่ยงเบนมาตรฐานของการ
bootstrapped ประเมินว่าพารามิเตอร์ แล้ว ค่าพารามิเตอร์จากข้อมูลต้นฉบับจะใช้เป็นการเริ่มต้นค่าสำหรับแต่ละ bootstrap
ตัวอย่าง (Norusis, 2012)

ผลลัพธ์ (ไทย) 3:

4.1.2 . การทดสอบปกติการทดสอบของปกติ
ของ kolmogorovesmirnov และ
shapiroewilk ได้ถูกใช้เพื่อตรวจสอบเรื่องความปกติของข้อมูลที่.
อย่างไรก็ตามผู้ตอบแบบสอบถามมีแนวโน้มอัตรา 4 และ 5 (ที่เป็นประโยชน์ในการให้ความช่วยเหลืออย่างดี)
ส่งผลให้ในข้อมูลแบบใหม่สไตล์เอียงๆ ดังนั้นในการวิเคราะห์ใน ภายหลัง bootstrapping
จะใช้ในการจัดการกับข้อมูลที่ไม่ปกติแบบกระจาย bootstrapping
ซึ่งจะช่วยเป็นเทคนิคใหม่อีกครั้ง - การลิ้มลองที่ช่วยให้นักวิจัยสามารถตอบแทน
การที่บทสรุปเกี่ยวกับคุณลักษณะของประชากรอย่างเคร่งครัด
จากตัวอย่างที่มีอยู่มากกว่าโดยการทำให้ต้องการแบบ shelving ข้อสมมติ
ซึ่งจะช่วยเกี่ยวกับเครื่องมือช่วยประเมิน(นายเฮล, 2010 ; mooney & Duval , 1993 )..
ที่ Bootstrap Processor พร้อมด้วยวิธีการแบบต่อเนื่องเป็นลำดับในพีชคณิตที่มีกำลังสองการตั้งโปรแกรม
algorithmwas ใช้ในการขอรับประเมินมาตรฐานของที่มีข้อผิดพลาดของ
พารามิเตอร์และความมั่นใจในแต่ละช่วง เกิดข้อผิดพลาดขณะมาตรฐานของแต่ละ
ตามมาตรฐานการประเมินค่าพารามิเตอร์จะคำนวณตามการเบี่ยงเบนมาตรฐานการประเมิน
bootstrapped ของพารามิเตอร์ที่แล้วค่าพารามิเตอร์จากข้อมูลเดิมที่จะใช้เป็นค่าเริ่มต้นสำหรับ Bootstrap Processor
ตัวอย่าง( norusis 2012 )