آزمون فریدمن (Friedman)
تعریف آزمون فریدمن (Friedman Test)
آزمون فریدمن یک آزمون ناپارامتری برای مقایسه میانگین رتبهها در سه گروه وابسته یا بیشتر است. این آزمون معادل ناپارامتری تحلیل واریانس با اندازهگیریهای مکرر (Repeated Measures ANOVA) است و زمانی به کار میرود که دادهها شرایط لازم برای استفاده از ANOVA (مانند نرمال بودن توزیع) را نداشته باشند.
اهمیت آزمون فریدمن برای مدیران
فرض کنید شما مدیر یک شرکت دارویی هستید و میخواهید تأثیر سه داروی مختلف (A, B, C) را بر کاهش فشار خون بیماران مقایسه کنید. برای این کار، فشار خون هر بیمار را قبل از مصرف دارو و سپس بعد از مصرف هر یک از داروها (با فاصله زمانی مناسب) اندازهگیری میکنید. در اینجا، هر بیمار به عنوان یک “بلوک” عمل میکند و سه دارو به عنوان “تیمار” در نظر گرفته میشوند.
اگر دادههای فشار خون به طور نرمال توزیع نشده باشند، نمیتوانید از ANOVA با اندازهگیریهای مکرر استفاده کنید. آزمون فریدمن به شما کمک میکند تا تعیین کنید که آیا تفاوت معنیداری بین میانگین رتبههای فشار خون بیماران بعد از مصرف داروهای مختلف وجود دارد یا خیر. اگر نتیجه آزمون معنیدار باشد، میتوانید نتیجه بگیرید که حداقل یکی از داروها تأثیر متفاوتی بر کاهش فشار خون داشته است.
مثال دیگر: فرض کنید مدیر یک مرکز آموزشی هستید و میخواهید رضایت شرکتکنندگان را از یک دوره آموزشی در سه مقطع زمانی مختلف (ابتدای دوره، میاندوره، انتهای دوره) بسنجید. اگر دادههای رضایت به طور نرمال توزیع نشده باشند، میتوانید از آزمون فریدمن برای مقایسه میانگین رتبههای رضایت در مقاطع زمانی مختلف استفاده کنید.
نکات مهم در بهکارگیری آزمون فریدمن در مدیریت
- ناپارامتری بودن: آزمون فریدمن به توزیع خاصی از دادهها (مانند نرمال بودن) نیاز ندارد.
- گروههای وابسته: گروههای مورد مقایسه باید وابسته باشند (یعنی اندازهگیریها روی یک نمونه در شرایط مختلف انجام میشوند).
- مقیاس ترتیبی یا فاصلهای: دادهها باید حداقل در مقیاس ترتیبی (Ordinal) باشند (یعنی بتوان آنها را رتبهبندی کرد).
- مقایسههای چندگانه: اگر نتیجه آزمون فریدمن معنیدار باشد، برای تعیین اینکه کدام گروهها با یکدیگر تفاوت معنیداری دارند، باید از آزمونهای تعقیبی (Post-Hoc Tests) مانند آزمون نیمنی (Nemenyi Test) یا آزمونهای مقایسههای زوجی با تصحیح بنفرونی (Bonferroni Correction) استفاده کنید.
- اندازه نمونه: اگرچه آزمون فریدمن به اندازه نمونه حساسیت کمتری نسبت به ANOVA با اندازهگیریهای مکرر دارد، اما توصیه میشود که تعداد مشاهدات (بلوکها) به اندازه کافی بزرگ باشد.
- تساوی واریانس لازم نیست: این آزمون برای مقایسه میانگین ها نیاز به فرض برابری واریانس های جامعه آماری ندارد.
راهنمای گام به گام استفاده از آزمون فریدمن
- تعیین فرضیهها:
- فرض صفر (H0): میانگین رتبهها در تمام گروهها برابر است.
- فرض مقابل (H1): حداقل دو گروه از نظر میانگین رتبهها با یکدیگر تفاوت معنیداری دارند.
- انتخاب سطح معنیداری (آلفا): معمولاً 0.05 در نظر گرفته میشود.
- جمعآوری دادهها: دادههای مربوط به متغیر مورد نظر را از گروههای وابسته جمعآوری کنید.
- رتبهبندی دادهها: در هر بلوک (مشاهده)، دادهها را از کوچکترین به بزرگترین رتبهبندی کنید. در صورت وجود دادههای تکراری، به آنها میانگین رتبههای ممکن را اختصاص دهید.
- محاسبه آماره آزمون: با استفاده از نرمافزارهای آماری (مانند SPSS، R) یا فرمولهای دستی، آماره آزمون فریدمن (χ²) را محاسبه کنید.
- محاسبه p-value: با توجه به آماره آزمون و درجه آزادی (تعداد گروهها منهای 1)، p-value را محاسبه کنید.
- تصمیمگیری:
- اگر p-value ≤ α باشد، فرض صفر را رد کنید و نتیجه بگیرید که حداقل دو گروه از نظر میانگین رتبهها با یکدیگر تفاوت معنیداری دارند.
- اگر p-value > α باشد، فرض صفر را رد نکنید و نتیجه بگیرید که شواهد کافی برای رد فرض صفر وجود ندارد.
- آزمونهای تعقیبی (در صورت نیاز): اگر فرض صفر رد شد، از آزمونهای تعقیبی برای تعیین اینکه کدام گروهها با یکدیگر تفاوت معنیداری دارند، استفاده کنید.
- تفسیر نتایج: نتایج آزمون را در چارچوب مسئله مورد بررسی تفسیر کنید و تصمیمات مدیریتی لازم را اتخاذ کنید