类别资料分析—卡方考验.docVIP

類別資料的分析—卡方考驗 基本概念 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。 類別資料蒐集後基本資料的呈現: 單一類別變項:用次數分配表 分析?描述性統計?次數分配表?選進變項?確定 兩個或多個類別變項:列聯表 分析?描述性統計?交叉表?選進要比較的變項?確定 要呈現百分比資料選進要比較的變項?點選「格」?點選「百分比」中橫列、直行或總和等項目 類別變項的統計考驗 卡方考驗:「類別變項」的統計考驗可以卡方考驗來進行推論統計檢定。 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)。 卡方考驗的三種統計考驗 (一)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。 (二)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。 (三)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,。 (四)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。 (一)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 (二)期望值的計算 1.適合度考驗:期望值為母群體的實際數值,或是某一理論存在的數值。 2.獨立性考驗及同質性考驗:期望值是各細格所對應的兩個邊緣次數的乘積除以總次數。 表1雙母數交叉表之期望值 變項 X 變項 總和 類別一 類別二 Y變項 類別一 NA1*NB1/NTOTAL NA1*NB2/NTOTAL NA1 類別二 NA2*NB1/NTOTAL NA2*NB2/NTOTAL NA2 總和 NB1 NB2 NTOTAL (三)校正公式 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 (一)、適合度考驗 (可用無母數統計、對數模式來考驗) p8-12 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? 答案 A B C D E 題數 12 14 9 5 10 ◎無母數統計分析: 輸入資料?資料?觀察值加權?點選「依據—觀察值加權」?將題數選進次數變數?確定 分析?無母數檢定?卡方分配?將題數選進檢定變數清單?期望值選全部類別相等?確定 對數模式分析 輸出: