类别资料关系之探讨卡方检定61检定原理62卡方检定的关联性.PDFVIP

2014/3/27 1 2 類別資料關係之探討──卡方檢定 6.1 檢定原理 6.2 卡方檢定的關聯性檢測 6.3 卡方檢定的類型與範例 3 6.1 檢定原理 1/4 卡方檢定的基本概念是測試某類別資料出現的頻率(frequency)，是否隨著另一個類別資 料的不同層級而有不同的分布。舉例來說，購買者的性別與居住地之分布如下表： 4 6.1 檢定原理 2/4 該業者希望了解什麼呢？ 顯然男女生的比例是否在北、中、南部有所不同？ 依照兩變數間次數的分布情形，從而判斷兩變數是否有關聯，就是卡方檢定的應用。 列聯表中自變數(independent variable)應列在上方(column)，而應變數(dependent variable) 列在左方(row)。 5 6.1 檢定原理 3/4 卡方檢定的例子： 從下表中的次數資料，檢定男女生在購買房車時，對大小型車的選擇是否有所不同？ 6 6.1 檢定原理 4/4 檢定步驟如下： 建立假說： H0 ：購車大小與性別無關 H1 ：購車大小與性別有關 依據虛無假設，計算出期望次數。 卡方值計算如下： 卡方值愈大，愈表示H 之假設有誤，傾向拒絕H 。 0 0 7 6.2 卡方檢定的關聯性檢測 1/2 依據質化資料的性質（名目或順序），而有不同的相關係數。 Phi相關：適用於兩個變項均為二分法之名目變項（例如：性別）。 Cramer’s V：是名目變數相關性最常用的指標。其值介於0與1之間(0 ≦ V ≦ 1)；數 值愈接近 1 表示相關愈強。 列聯相關係數(contingency coefficient)：建議此數值應用在大於 5×5 以上的列聯表。 8 6.2 卡方檢定的關聯性檢測 2/2 Eta相關：如果兩個變數中ㄧ個是名目尺度，另ㄧ個為連續變數由不同數值區間所訂 出的區間尺度（例如：依年齡分為四組），則選用Eta值。 McNemar相關：用於重複試驗時，比較前後的差異性是否明顯 。 9 6.3 卡方檢定的類型與範例 1/5 獨立性檢定(test of independence) 用以檢測同一樣本的兩個類別變項（X 與 Y）之間的關聯性。 配適度檢定(test of goodness of fit) 用以討論某一個變項是否與某個理論分配或母群分配相符合，或是檢定抽樣的次數 分配是否為某種特殊形式。 同質性檢定 (test of homogeneity) 檢定二個以上樣本，在某一個變項的反應是否具有顯著差異。 改變顯著性檢定(test of significance of change) 1 2014/3/27 用以檢定同一樣本在事件前後的反應，是否有顯著的差異。 10 6.3 卡方檢定的類型與範例 2/5 獨立性檢定(test of independence) 用以檢測同一樣本的兩個類別變項（X 與 Y ）之間的關聯性。 範例一 範例二 範例三 11 範例一 以「銀行客戶資料」為例，探討客戶信用等級與居住區域是否有關係。建立假說如下： H0 ：客戶信用等級與居住區域無關 H1 ：客戶信用等級與居住區域有關 操作： 1.分析／敘述性統計／交叉表 2.程式操作 3.分析結