10-1變異數分析_16328.ppt

第五章 卡方檢定 5-1　卡方檢定 (X2 test) 5-2　適配度檢定 (good-of-fit test) 5-3　獨立性檢定 (test of independence) 5-4　同質性檢定 (test of homogeneity) 5-1 卡方檢定(X2 test) 　　卡方檢定適用於非連續變項(例如：類別或次序變數)之差異分析, 卡方分配可以協助我們利用樣本的變異數來推論母體變異數, 母體變異數代表著資料的分散程度。隨著應用的不同, 對於資料分散的程度也有不同的使用, 例如, 對於獲利程度而言, 值是較大較好, 但對於品管的變異數而言, 則是愈小愈好。卡方檢定則是利用卡方分配(卡方值)來進行檢定, 適用於分類變數的分析, 若是單一類別的變數, 可以得到次數的分配, 若是有兩個類別, 則可以使用交叉表(cross-tabulation)分析, 而且使用卡方(Chi-Square, X2)來作檢定。 卡方檢定常用的應用有三大類, 分別是適配度檢定(good-of-fit test), 獨立性檢定(test of independence)和同質性檢定(test of homogeneity), 我們分別介紹如後。 5-2 適配度檢定(good-of-fit test) 　　當我們想了解某一個變數是否與某個理論或母體分配相符合時, 就可以使用卡方檢定的應用之一, 「適配度檢定」, 適配度檢定的內容是一個變數, 因此, 也稱為單因子分類(one-way classification) 檢定。 卡方的適配度檢定是取樣本的觀察值和母體的期望值作比較, 而卡方值愈大, 代表觀察值和期望值差異愈大, 當卡方值超過某一個臨界值時, 就會得到顯著的統計檢定結果。 研究問題的假設如下： 虛無假設H0：母體符合某種分配或理論 對立假設H1：母體不符合某種分配或理論 若是適配度檢定的結果是顯著, 則會拒絶虛無假設H0，卡方統計量的定義如下： X2= Oi= 樣本的觀察值 Ei= 理論推算的期望值 範例： 某電腦公司在資訊展時, 分別售出筆記型電腦白色50台, 黑色40, 灰色30台, 該電腦公司想要知道, 消費者對筆記型電腦的顏色偏好是否有差異? 我們整銷售的資料如下： 虛無假設H0：消費者對筆記型電腦顏色的偏好是相同的 對立假設H1：消費者對筆記型電腦顏色的偏好是不相同的 期望值 = 總人數 ＊每種結果的機率 　　 = (50+40+30) ＊ ( ) 　= 40 X2= = 　　　　+　　　　 + 　 = 2.5+0+2.5 = 5 自由度 = (3-1) = 2 查表： 結果： 我們計算卡方統計量為5, 小於卡方分配臨界值5.99, 因此, 我們接受虛無假設H0, 消費者對筆記型電腦顏色的偏好是相同的 實務操作： 1. 開啟範例 expected.sav 2. 按 Data? Weight Cases 3. 在Weight Cases 視窗，選取 Sale ?選取 Weight cases by 4. 按 ，選取 Sale 到 Frequency Variable 5. 按 OK，回到開啟資料視窗，按 Analyze ? Nonparametric 　 Tests ? Chi-Square 6. 在Chi-Square Test 視窗，選取 Sale 7. 在Chi-Square Test 視窗，按 ，選取 Sale 到 Test Variable 　 　 List 8. 按 Options ，選取 Descriptive 9. 按 Continue，回到 Chi-Square Test 視窗 10. 按 OK，出現報表結果 報表分析結果如下： NPar Tests 　　Descriptive Statistics Chi-Square Test Frequencies Sale Test Statistics a 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 40.0. 結果：從表中我們可以看到卡方統計量為5, P值0.082大於0.05, 因此, 我們接受虛無假設H0, 消費者對筆記型電腦顏色的偏好是相同的。 5-3 獨立性檢定 (test of independen