தரவுத்தொகுதி செவ்வன் பரம்பல் பண்பினை பெறுகின்ற போது, ஆய்வாளர் புள்ளியல் சோதனைகளில் பரமான சோதனைகளை (Parametric test) தெரிவு செய்து அவற்றை பயன்படுத்திக் கொள்ள முடியும்.
தரவுத்தொகுதி செவ்வன் பரம்பல் பண்பினை பெற்றிராத போது பரமானமற்ற சோதனைகளை (Non-Parametric test) யே பயன்படுத்திக் கொள்ள முடியும்.
எனவே இதுவரை மாறிகள், மாறிகளின் அளவிடை மட்டங்கள், செவ்வன் பரம்பல் தன்மை ஆகியவற்றை விளங்கிக் கொண்டோம். இதன் பின்னர், எத்தகைய புள்ளியியல் சோதனைகளை, கணிப்பீடுகளை தரவுப் பகுப்பாய்வுக்காக தெரிவு செய்ய வேண்டும் என நோக்குவோம்.
2.2 தனித்த மாறிகளை பகுப்பாய்வு செய்தல் (Univariate Analysis)
ஏற்கனவே, தனித்த மாறி என்றால் என்ன என்பது தொடர்பாக விளக்கி உள்ளேன். சில வேளைகளில் எமது ஆய்வுகளின் குறிக்கோள்களில் தனித்த மாறி காணப்படும். இத்தகைய சந்தர்பங்களில் அதனது போக்கினையே உங்களால் விவரிக்க முடியும். இதன்போது வீதம், மீடிறன் பரம்பல் அட்டவணைகள், மையப் போக்கு அளவைகள் (கூட்டல் இடை, இடியம், ஆகாரம்), விலகல் அளவைகள் (மாறற்றிறன், நியம விலகல், வீச்சு ) போன்றன போதுமாக இருக்கும். பின்வரும் படத்தைப் பார்க்க;
Source: Creswell (2011:P183)
2.3 இரு மாறிகள் மற்றும் பல்மாறிகள் பகுப்பாய்வு (Bi Variate and Multi Variate Analysis)
ஒரு குறிப்பிட்ட அம்சம் தொடர்பாக இரு மாறிகள் காணப்படுமாயின் அத்தகைய தரவுகள் இருமாறி தரவுத் தொகுதி எனவும், அது சார்ந்த பகுப்பாய்வினை இருமாறிகள் பகுப்பாய்வு எனவும் அழைப்பர். பல மாறிகள் காணப்படுமாயின் அத்தகைய தரவுகள் பலமாறி தரவுத் தொகுதி எனவும், அது சார்ந்த பகுப்பாய்வினை இருமாறிகள் பகுப்பாய்வு எனவும் பல்மாறிகள் பகுப்பாய்வும் என அழைப்பர் தரவுத் தொகுதியில் இரண்டு அல்லது பல மாறிகள் காணப்படுகையில், அவற்றுக்கு இடையில், சேர்த்தித்த்தன்மை, வேறுபாடுகள், இணைபுத்தன்மைகள் ஆகியவற்றை ஒப்பீட்டு அல்லது வேறுபடுத்தி பார்க்க முடியுமாக இருக்கும்.
உதாரணமாக: மாணவரின் நிறையும் உயரமும்.
மாணவரின் உணவு கலோரி அளவும் உடல் எடையும் போன்றன
இவ்வாறான ஈர்மாறி மற்றும் பல்மாறி தரவுகளை கொண்டு அட்டவணைப்படுத்தும் போது இரு மாறி மீடிறன் அட்டவணைகள், குறுக்கு அட்டவணைகள் எனபவற்றை பயன்படுத்தலாம். அதேவேளை சிதறல் வரைபுகள் (Scatter Plot), இணைபு (Correlation), பிற்செலவு பகுப்பாய்வுகளை (Regression) ஆகியவற்றை மேற்கொள்ள முடியும்.
மேலும், மாதிரியில் இருந்து பெறப்பட்ட தரவுகளை பகுப்பாய்வு செய்து அதன் முடிவுகளின் அடிப்படையில் அம்மாதிரியின் குடி பற்றிய தீர்மானத்தை மேற்கொள்ள ஆய்வாளர் முனையும் போது, அனுமானப் புள்ளியியல் நுட்பங்களின் அடிப்படையில் பகுப்பாய்வு சோதனைகளை தெரிவு செய்ய வேண்டும். இத்தகைய நிமையின் போதுதான் நாம் இதுவரை கற்ற சுயாதீன மாறி, சார்ந்த மாறி, தரவு தொகுதியின் செவ்வன் பரம்பல் தன்மை ஆகியன பற்றிய அறிவின் பிரயோகம் தேவையாகின்றது. முதலில் செவ்வன் பரம்பல் தன்மையினை பெறும் தரவுத் தொகுதிகளுக்கான பரமான சோதனைகளை நாம் கண்டறிவோம்.
2.3.1 மாறிகள் பின்னகத் தரவுகளாக அமையும் போது
எமது தரவு தொகுதியில் உள்ள சுயாதீன மாறியும் (IV) சார்ந்த மாறியும் (DV) பின்னகத் தரவுகளாக (பெயரளவு , வரிசைத் தரவுகள்) அமையும் போது அவற்றுக்கிடையில் Association எனும் சேர்த்தி எவ்வாறு உள்ளது என்றே நாம் பகுப்பாய்வு செய்ய முடியும். இதன்போது. நாம் கைவர்க்க சோதனைகள் (Chi-Square Analysis) பை-குணகம் (Phi Coefficient) ஆகியவற்றையே பகுப்பாய்வுக்காக எடுத்துக் கொள்ள முடியும்.
2.3.2 சுயாதீன மாறிகள் மற்றும் சார்பு மாறிகள் இரண்டுமே தொடர் தரவுகளாக அமையும் போது:
எமது தரவு தொகுதியில் உள்ள சுயாதீன மாறியும் (IV) சார்ந்த மாறியும் (DV) தொடர் தரவுகளாக (இடைவெளி, விகித அளவிடைகளாக) அமையும் போது அவற்றுக்கிடையில் இணைபுகளை (Correlation) எவ்வாறு உள்ளது என்று நாம் பகுப்பாய்வு செய்ய முடியும். இதன்போது. நாம் பியர்சன் இணைபு குணகம் (Pearson Correlation Coefficient) பிற்செலவு பகுப்பாய்வு குணகம் (Regression Coefficient) போன்ற பரமான சோதனைகளை பகுப்பாய்வுக்காக தெரிவு செய்து கொள்ள முடியும்.
2.3.3 சுயாதீன மாறி பின்னகமாகவும் மற்றும் சார்பு மாறி தொடர் தரவாகவும் அமையும் போது:
எமது தரவு தொகுதியில் உள்ள சுயாதீன மாறி (IV) பின்னகமாக அமைந்து சார்ந்த மாறி (DV) தொடர் தரவாக (இடைவெளி, விகித அளவிடைகளாக) அமையும் போது அவற்றுக்கிடையில் வேறுபாடுகளை (Differences) நாம் கணிப்பீடு செய்யக் கூடியதாக இருக்கும். இதன் போது இரண்டு குழுக்களிடையே (ஆண்-பெண்) வேறுபாட்டை பார்க்க t-test எனும் பரமான சோதனையை செய்ய முடியும். இரண்டுக்கும் மேற்பட்ட குழுக்களிடையே வேறுபாடுகளை காண விரும்பின் (1AB, 1C, Type 2 பாடசாலைகள்) Analysis of Variance (ANOVA), Analysis of Covariance போன்ற பரமான சோதனைகளை பகுப்பாய்வுக்காக தெரிவு செய்து கொள்ள முடியும்.
2.3.4 சுயாதீன மாறி தொடர் தரவாகவும் மற்றும் சார்பு மாறி பின்னகமாகவும் அமையும் போது:
எமது தரவு தொகுதியில் உள்ள சுயாதீன மாறி (IV) தொடர் தரவாக (இடைவெளி, விகித அளவிடைகளாக) சார்ந்த மாறி (DV) பின்னகமாக அமைந்து அமையும் போது அவற்றுக்கிடையில் நேர்கோட்டு தொடர்பினை கணிப்பிடக் கூடியதாக இருக்கும் இதன் போது ஏகபரிமாணப் பிரித்துக்காட்டி எனும் Discriminant Analysis பரமான சோதனையினை பகுப்பாய்வுக்காக தெரிவு செய்து கொள்ள முடியும்.
2.4 பரமானமற்ற சோதனைகளின் தெரிவு
தரவுத் தொகுதி சாதாரண பரம்பலில் அமையாது காணப்படும் சந்தர்ப்பங்களில் ஆய்வாளர், பரமானமற்ற (Non Parametric Tests) சோதனை அளவைகளை தெரிவு செய்ய வேண்டி இருக்கும். இதனை பின்வரும் புள்ளியியல் நுட்பங்கள்-3 உரு எடுத்துக் காட்டுகிறது:

2.4.1 சுயாதீன மாறிகள் மற்றும் சார்பு மாறிகள் இரண்டுமே தொடர் தரவுகளாக அமையும் போது பரமானமற்ற சோதனைகள் :
எமது தரவு தொகுதியில் உள்ள சுயாதீன மாறியும் (IV) சார்ந்த மாறியும் (DV) தொடர் தரவுகளாக (இடைவெளி, விகித அளவிடைகளாக) அமையும் போது அவற்றுக்கிடையில் இணைபுகளை (Correlation) எவ்வாறு உள்ளது என்று நாம் பகுப்பாய்வு செய்ய முடியும். இதன்போது, எமது தரவுத் தொகுதி சாதாரண பரம்பல் தன்மையினை பெறாத போது பரமானமற்ற சோதனைகளையே நாம் தெரிவு செய்ய வேண்டும். இதற்காக Spearman Rho அல்லது Kendall's Tau சோதனைகளை நாம் தெரிவு செய்து கொள்ள முடியும்.
2.4.2 சுயாதீன மாறி பின்னகமாகவும் மற்றும் சார்பு மாறி தொடர் தரவாகவும் அமையும் போது பரமானமற்ற சோதனைகள் :
எமது தரவு தொகுதியில் உள்ள சுயாதீன மாறி (IV) பின்னகமாக அமைந்து சார்ந்த மாறி (DV) தொடர் தரவாக (இடைவெளி, விகித அளவிடைகளாக) அமையும் போது அவற்றுக்கிடையில் வேறுபாடுகளை (Differences) நாம் கணிப்பீடு செய்யக் கூடியதாக இருக்கும். இதன்போது, எமது தரவுத் தொகுதி சாதாரண பரம்பல் தன்மையினை பெறாத போது, பரமானமற்ற சோதனைகளையே நாம் தெரிவு செய்ய வேண்டும். இதற்காக, Mann-Whitney U test, Kruskall–Wallis Test போன்ற பரமானமற்ற சோதனைகளை பகுப்பாய்வுக்காக தெரிவு செய்து கொள்ள முடியும்.
2.4.3 சுயாதீன மாறி தொடர் தரவாகவும் மற்றும் சார்பு மாறி பின்னகமாகவும் அமையும் போது பரமானமற்ற சோதனைகள்:
எமது தரவு தொகுதியில் உள்ள சுயாதீன மாறி (IV) தொடர் தரவாக (இடைவெளி, விகித அளவிடைகளாக) சார்ந்த மாறி (DV) பின்னகமாக அமைந்து அமையும் போது அவற்றுக்கிடையில் நேர்கோட்டு தொடர்பினை கணிப்பிடக் கூடியதாக இருக்கும் இதன்போது, எமது தரவுத் தொகுதி சாதாரண பரம்பல் தன்மையினை பெறாத போது, பரமானமற்ற சோதனைகளையே நாம் தெரிவு செய்ய வேண்டும். இதற்காக, Point Biserial Correlation எனும் சோதனையினை பகுப்பாய்வுக்காக தெரிவு செய்து கொள்ள முடியும்.
நாம் இதுவரை நோக்கிய பரமான சோதனைகள், பாரமானமற்ற சோதனைகளின் தெரிவினை பின்வரும் படத்தில் காணலாம்.
Source: Creswell (2011:P183)
மேலும், நாம் இதுவரை எடுத்து நோக்கிய விடயங்களில் தரவுகள் சாதாரண பரம்பலில் அமையும் போது மற்றும் சாதாரண பரம்பல் பெறாத வேளைகளில் எத்தகைய பகுப்பாய்வு முறைகளை/சோதனைகளை நாம் தெரிவு செய்ய வேண்டும் என்பதனை பின்வரும் அட்டவணையில் கண்டு கொள்ளக் கூடியதாக உள்ளது.
Source: Creswell (2011:P191)
2.5 தொகைசார் தரவு பகுப்பாய்வு மென்பொருட்கள்சிறியளவிலான தொகைசார் தரவுகளை பகுப்பாய்வுக்கு உட்படுத்தும்போது அவற்றை புள்ளியியல் நுட்பமுறைகள், வாய்ப்பாடுகள் ஆகியவற்றை பயன்படுத்தி தரவு பகுப்பாய்வினை பயன்படுத்தி அட்டவணைப்படுத்தல், படங்களாக முன்வைத்தல், சேர்த்தி தன்மை, இணைபு தன்மைகள், வேறுபாடுகளை நாம் சுயமாக கணித்து கொள்ள முடியுமாக இருக்கும். ஆனால் தரவுகள் அதிகமாக உள்ள போது, அவற்றை எம்மால் கையாள முடியாமல் போகும். வேகமாக வளர்ச்சியடைந்து தகவல் தொழினுட்பம் காரணமாக தரவுப் பகுப்பாய்வுகள் இலகுவாக மேற்கொள்ளக் கூடிய வகையில் பற்பல மென்பொருள்கள் (Software) பயன்பாட்டிற்கு நாளாந்தம் வந்த வண்ணம் உள்ளன. இவற்றுள் Microsoft Excel முதற்கொண்டு SPSS, AMOS, Stata, SAS, R, MATLAB, JMP, Python என பல நூற்றுக்கணக்கான மென்பொருள்கள் பாவனையில் உள்ளன. கல்வி மற்றும் சமுக விஞ்ஞான துறைகளில் Microsoft Excel, SPSS, AMOS, Stata, SAS, என்பன பயன்பாட்டில் உள்ளன. SPSS யினை கொள்வனவு செய்து பயன்படுத்துவது சிரமம் உள்ளவர்கள் அதற்கு நிகரான JASP, Jamovi, மற்றும் Gnu PSPP போன்ற இலவச மென்பொருள்களை ஆய்வாளர்கள் பயன்படுத்துகின்றனர்.
ஆக்கம்: கலாநிதி எப்.எம்.நவாஸ்தீன்
சிரேஸ்ட விரிவுரையாளர்
கல்விப் பீடம்
இலங்கை திறந்த பல்கலைக்கழகம்