卡方(ChiSquare)检定-NCNUMoodle课程.ppt

卡方(Chi Square)檢定 卡方分配原理 假設我們自某個常態分配中，每次隨機抽取依個分數X，並將它轉換成z分數，如此重複無數次之後，最後將得到一個以平均數為0，標準差為1的常態分配。如果，我們在自這一個Z分數的常態分配中，隨機抽取一個Z分數，並加以平方，並且命名為X2，重複無數次後，我們便可以得到無數個由X2所構成的次數分配，該分配即是自由度為1的「卡方分配」。 類別資料 指在測量的過程中以名義尺度或順序尺度所收集到的資料,如性別、宗教類型。或者以等距(體溫、考試成績)、比率尺度(有絶對原點,如工作所得、年齡)所測量到的連續變項資料,經化簡為類別變項時(如身高分為高、中、低三組)的資料。 卡方考驗χ2(chi-square test) 樣本觀察到的次數(或百分比)與理論或母群體的分配次數(或百分比)之間是否有顯著差異。又稱交叉分析(以細格次數來進行交叉比較)或百分比考驗(細格中不是次數就是百分比)。 卡方考驗的三種用途 適合度考驗:某一個變項實際觀察的次數分配是否與某個理論分配或母群分配相符合所進行的統計檢定,若考驗(卡方值)未達顯著,表示該變項的分佈與母群相同,反之，則與母群不同，就比較不適合作推論。 在教育研究中，研究者常會針對某個自變項(如性別、宗教、信仰、社經地位、人格特質等)或某個處理變項(如不同教學法、不同實驗操弄等) 內的不同屬性，加以分成不同的類別，以探究它們在某個依變項上的反應百分比是否有顯著差異。 獨立性考驗 檢測「同一個樣本兩個類別變項」的實際觀察值,是否具有特殊的關聯，如果考驗(卡方值)未達顯著,表示兩個變項相互獨立，如果考驗(卡方值)達到顯著,表示兩個變項不獨立，具有關聯,如某公司學歷分佈與性別有否關聯。 同質性考驗 檢定兩個樣本在同一變項的分佈情況,如公私立大學性別分佈是否一樣如果考驗(卡方值)未達顯著,表示兩個樣本是同質的，反之，如果考驗(卡方值)達到顯著,表示兩個樣本不同質。 多重列聯表分析 多重列聯表:有三個(或以上)類別變項的列聯表, 在獨立性考驗方面用「G2 統計法」處理多個類別變項的關聯分析。 卡方考驗的統計原理 卡方檢驗是將樣本觀察次數(或百分比)與理論或母群體次數(或百分比)(期望值)相比較,來看二者是否有差異性，卡方值越小,表差異越小,越不易達顯著,卡方值越大,表差異越大,越容易達顯著。 卡方檢驗的公式 χ2＝Σ(fo-fe)2/ fe df =k-1 fo:觀察次數 fe:期望次數 df:自由度 卡方檢定注意事項 各細格之期望次數不得小於5,否則考驗結果會有明顯偏差，細格人數過少的處理方法: 細格合併法 增加樣本數 去除樣本法 使用校正公式 耶茲校正:2×2的列聯表,細格的期望次數低於10但高於5可用耶茲校正來校正。 費雪正確機率考驗:少於5 關聯係數 因為卡方值的大小無法直接進行比較(卡方值會受細格數及人數影響, 細格數或人數越多值越大)。所以發展出以關聯係數(值為0至1)來表示兩個類別變項之間的關聯情形。 (一)、Phi(ψ)係數 適用於兩個類別變項皆為二分變項,構成2×2列聯表, ψ值越接近1,表示兩個變項的關聯越強,但卡方無負值,故無法看出方向。 (二)、列聯係數 適用於2×2以上的列聯表。 (三)、Cramer’s 係數 修正列聯係數 (四)、Lambda(λ)係數 以削減誤差比(proportioned reduction in error;PRE)來計算關聯強度。PRE是以某一個類別變項去預測另一個類別變項時,能夠減少的誤差所佔的比例,比例越大,關聯性越強。 1.對稱形式λ:X、Y對稱,無法區別何者為自變項,何者為依變項。 2.非對稱形式λY .X：可以區分自變項與依變項。 (五)、Tau(Tau-y)係數 適用於不對稱關係類型的關聯分析,以X去預測Y時可以削減的誤差比率。 範例解析 適合度考驗 (可用無母數統計、對數模式來考驗) 例題：某教師出五十題有五個選項的單選題,答案與題數如下,問老師是否有特殊出題偏好? 結果分析：χ2 =4.6 ，自由度=4， p=.331＞.05 由顯著水準可知卡方值不顯著。 獨立性考驗 例題：某系大一新生共100名,其性別分佈與來自城市或鄉鎮兩變項是否有特殊關聯? 結果分析 1.從交叉表的資料顯示男、女生的人數分佈為55%、45%(看總和一欄),城鄉比例為60%、40%。 2.卡方檢驗分析結果發現,χ2 =.168,p=.682＞.05，未達顯著水準,表示兩個變項之間互相獨立,没有顯著關聯。 3.若達顯著,欲看關聯強度時,若為不對稱性量數(有自變、依變關係)看「方向性量數」,若為對稱性量數(無自變、依變關係)則看「對稱性量數