就是卡方检定的应用.ppt

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 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： 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)。 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？ 6.1　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H0之假設有誤，傾向拒絕H0。 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。 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 。 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) 用以檢定同一樣本在事件前後的反應，是否有顯著的差異。 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 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.分析結果 範例一―程式操作 範例一―分析結果 卡方= 3.065，顯著性= 0.547 0.05，無法拒絕H0。 結論：客戶信用等級與居住區域無顯著關係。 範例二 根據全校成績資料檔，探討居住區域與入學方式之關係。建立假說如下： H0：全校學生入學方式與居住區域無關 H1：全校學生入學方式與居住區域有關 操作： 1.分析／敘述性統計／交叉表 2.程式操作（如範例一） 3.改善前分析結果 4.改善方法 5.改善後分析結果 範例二―改善前分析結果 注意： 卡方分配要求每個格子(cell)之期望值儘量大於 5 個，一般卡方檢定的應用，期望次數低於 5 的方格數不能多於 20 %。 範例二―改善方法 先觀察次數分配 針對樣本較少之類別 將目前分類歸併（例如：保送納入甄試）。 加以忽略（設定遺漏值）。 範例二―改善方法 範例二―改善後分析結果 結論：全校學生入學方式與居住區域有顯著關係。 範例三 大發量販店委託某研究單位，想了解消費者對該店的滿意度與忠誠度的關係。該研究單位以非隨機之便利抽樣法發放1,000份問卷，調查消費者對該店的滿意度與忠誠度，結果整理如下表。試問消費者對該店的滿意度與忠誠度是否有顯著的關係？ 範例三 建立假說如下： H0：滿意度與忠誠度無關 H1：滿意度與忠誠度有關 操作： 1.分析／敘述性統計／交叉表／列：「滿意度」；行：「忠誠度」／「統計量」勾選「卡方分配」／「儲存格」的個數勾選「觀察值」；「期望」 2.程式操作 3.分析結果 範例三―程式操作 範例三―分析結果 範例三―分析結果 卡方= 191.709，顯著性= 0.000 0.05，拒絕H0