독립성 검정 예제

다른 예제를 사용하여 전체 자습서의 경우 SPSS Chi-Square 독립 성 테스트를 참조하십시오. 샘플 데이터를 사용하여 자유도, 예상 주파수, 테스트 통계 및 테스트 통계와 관련된 P 값을 찾습니다. 이 단원의 끝에 있는 샘플 문제에 설명되어 있습니다. 카이 스퀘어 독립 테스트에 대한 null 가설은 두 범주형 변수가 일부 모집단에서 독립적이라는 것입니다. 이제 결혼 여부와 교육은 우리의 샘플에서 독립적이지 않습니다. 그러나, 우리는 이것이 우리의 전체 인구를 위해 보유한다는 것을 단정할 수 없습니다. 기본적인 문제는 샘플이 일반적으로 인구와 다르다는 것입니다. 결혼 여부와 교육이 우리 인구에서 완벽하게 독립적이라면, 우리는 여전히 단지 우연히 우리의 샘플에서 어떤 관계를 볼 수 있습니다. 그러나 큰 샘플에서 강한 관계는 매우 드물기 때문에 null 가설을 반박합니다. 이 경우 변수가 결국 인구에서 독립적이지 않다는 결론을 내릴 것입니다. 그래서 정확히 얼마나 강한이 의존 -또는 연결 – 우리의 샘플에서? 그리고 변수가 전체 인구에서 (완벽하게) 독립적 인 경우 그것을 찾는 확률 -또는 중요성 수준은 무엇입니까? 나는 그들이 동의하지 않을 때 무엇을해야할지 살펴 보았고 명확한 답을 찾지 못했다. 이 백서는 모든 예상 주파수가 최소 5인 경우 Pearson Chi-Square 테스트를 사용한다는 것을 시사합니다.

5보다 작은 경우 이 문서에서는 표시된 테스트 중 어느 것도 조정된 카이 스퀘어 테스트를 권장합니다! 이 단원에서는 독립을 위한 카이스퀘어 테스트를 수행하는 방법을 설명합니다. 이 테스트는 단일 채우기에서 두 개의 범주형 변수가 있는 경우에 적용됩니다. 두 변수 간에 유의한 연관성이 있는지 여부를 결정하는 데 사용됩니다. 데이터 집합을 사용하여 원하는 통계 소프트웨어에서 분석을 수행할 수 있습니다. 독립 결과의 Chi 제곱 테스트는 다음과 같습니다. 제쳐두고, 나는 통계의 자유도에 대한 내 게시물에이 예를 사용합니다. 아래 표에 두 가지 자유도가 있는 이유를 알아보십시오. 아래 그림은 SPSS에서 생성된 예제의 출력을 보여 주며, 나는 미래의 블로그 게시물에 대한 마음에 그 정확한 주제를 가지고! 나는 가까운 장래에 t 테스트 및 F 테스트 게시물과 유사한 하나를 작성합니다. 그것은 코멘트 섹션에서 할 너무 많이, 하지만 곧 그것에 대 한 전체 게시물! 나는 다음 몇 달에 언젠가 목표로 합니다.

지켜! 이러한 테스트는 경계선 결과가 시작될 때(유의 수준 에 가까운) 특히 작은 샘플이 있는 경우 동의하지 않을 가능성이 높습니다. 이러한 조건 중 하나 만 결과 의심. 이 시험이 동의하지 않는 경우에, 나는 더 많은 연구가 필요하다는 것을 큰 경고 표시로 그것을 취할 것입니다! 우리는 2 비율 테스트를 사용하여이 이론을 테스트 할 수 있습니다. 보안 검색대에서 빨간색 셔츠의 사망률을 보안이 아닌 빨간색 셔츠와 비교합니다.

©2019 DemiJohn

Log in with your credentials

Forgot your details?