Ki-Kare Bağımsızlık Testi – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
Ki-Kare Bağımsızlık Testi
Ki-kare istatistiği, iki nitel veya ayrık değişken arasında istatistiksel bir ilişki olup olmadığını test etmek için de yararlıdır. Bu testin mantığı, uyum iyiliği testindekiyle hemen hemen aynıdır. Bir dizi frekansı öngören boş bir hipotezle başlıyoruz. Daha sonra verilerde gözlemlenen frekansları boş hipotez tarafından tahmin edilen frekanslarla karşılaştırırız. Gözlenen ve beklenen frekanslar arasında büyük bir farklılık varsa, boş hipotezi reddederiz.
Örneğin, Öğrenci veri setinde (şimdi açın), öğrencinin bir arabasına (kendi arabasına) sahip olup olmadığını temsil eden bir ikili değişkenimiz var ve bir diğeri, öğrencinin kampüste yaşayan bir mukim mi yoksa bir banliyö (res) mi olduğunu temsil eden bir ikili değişkenimiz var. Bu iki değişkenin, taşıtların bir otomobile daha fazla ihtiyaç duymasıyla ilişkili olabileceğini düşünmek mantıklıdır. Verilerin değişkenler arasındaki bu öngörüyü destekleyip desteklemediğini veya çürüttüğünü belirlemek için ki-kare bağımsızlık testini kullanabiliriz.
Ki-kare bağımsızlık testindeki sıfır hipotezi her zaman iki değişkenin ilişkili olmadığıdır (yani birbirlerinden bağımsızdırlar). Verilerimiz için, sıfır hipotezi, mülkiyet ve ikametin birbiriyle ilişkili olmadığı şeklinde olacaktır.
Öğrencilerin onda birinin taşıt olduğunu varsayalım. Sıfır hipotezi doğruysa (işe gidip gelmek ve araba sahipliği alakasız), o zaman araba sahiplerinin onda birinin işe gidip geldiğini ve araba kullanmayanların da onda birinin işe gidip geldiğini bulmalıyız.
Örnek sonuçlarının her grup için tam olarak onda birini göstermeyebileceğini anlıyoruz ve bu nedenle sıfır hipotezi tarafından belirtilen değerlerden bazı küçük sapmalar bekliyoruz. Bununla birlikte, örnek verilerin gözlemlenen frekansları ile boş hipotez tarafından tahmin edilen beklenen frekanslar arasındaki tutarsızlıklar yeterince büyükse, boş hipotezi reddedeceğiz.
Araba sahipliği ve ikametin birbiriyle ilişkili olup olmadığını öğrenelim.
- Tanımlayıcı İstatistik Çapraz Tablolarını Analiz Edin… Burada gösterildiği gibi, Satır olarak owncar’ı ve Sütun olarak res’i seçin.
- İstatistikler…’e tıklayın ve Ki-Kare’yi seçin.
- Hücreler…’e tıklayın ve Sayımlar altında Beklenen’i seçin (Gözlemlenen’i, varsayılanı da seçili tutun). Bu, hem gözlemlenen hem de beklenen frekansları görmemizi sağlar.
- Bu analizin çıktısı birkaç bölümden oluşmaktadır. Önce çapraz tabloya bakalım.
Tablonun satırları araba sahipliğini temsil eder ve sütunlar ikametgahı temsil eder (ilk sütunda Taşıtlar, ikinci sütunda Sakinler). Tablonun her hücresi, gözlemlenen bir frekans (Sayı) ve beklenen bir frekans (Beklenen Sayı) içerir. Örneğin, sol üst hücreye bakın. Arabası olmayan sadece 6 kişi vardı. Sıfır hipotezi altında, 50 taşıt ve 78 araç sahibi olmayan toplam 219 öğrenciden oluşan bir örneklemde, bu hücrede 17.81 bekleniyordu.
Tüm tabloda gözlenen ve beklenen frekanslar arasında boş hipotezi reddetmek için yeterince büyük bir farklılık olup olmadığını öğrenelim.
ki-kare bağımsızlık testi hesaplama
Ki-kare Bağımsızlık Testi SPSS
Ki-kare testi nasıl yapılır
ki-kare bağımsızlık testi örnekleri
Pearson ki-kare testi örnek
Ki-kare Bağımsızlık Testi tablosu
Ki-kare testi ne için kullanılır
Ki-kare testi yorumlama
Bu çıktı, bu verileri değerlendirmek için kullanılabilecek birkaç test istatistiği bildirse de, biz 15.759’a eşit olan ve .000’e eşit bir anlamlılığa sahip olan Pearson ki-kare istatistiğine odaklanacağız. Böylece, sıfır hipotezini reddediyoruz ve araba sahipliği ile ikametgahın birbirinden bağımsız olmadığı sonucuna varıyoruz. Başka bir deyişle, bu iki değişken önemli ölçüde ilişkilidir.
Başka bir örnek
Ki-kare bağımsızlık testi bir uyarı ile birlikte gelir – herhangi bir hücrede beklenen sayının beşten az olması güvenilmez olabilir. Bu gibi durumlarda, daha büyük bir örneklem önerilir. Örneğin, bu veri kümesindeki başka bir olası ilişkiye bakalım. Anketteki bir soru, öğrencilerden kendilerini “ortalamanın altında”, “ortalama” veya “ortalamanın üstünde” sürücüler olarak sınıflandırmalarını ister. Bu değişkenin cinsiyetle ilgili olup olmadığını soralım.
Tanımlayıcı İstatistik Çapraz Tablolarını Analiz Edin… Seçin Sürüşünüzü nasıl değerlendirirsiniz? Satır olarak [sürücü] ve Sütun olarak cinsiyet. İletişim kutusunun geri kalanı olduğu gibi kalır.
Çıktıdaki Ki-Kare Testleri tablosunun alt kısmında görünen uyarıyı not edin (bir sonraki sayfada gösterilmiştir). Bu durumda, beklenen sayıların çok düşük olduğu iki hücrenin yarattığı belirsizlik nedeniyle test sonuçları güvenilmez olabilir. Açıkçası bu örnek verilere dayanarak herhangi bir çıkarımda bulunmamalıyız. Bununla birlikte, örneklemin bir açıklaması olarak, bu örneklemdeki erkeklerin kendi sürüşleri hakkında kadınlardan daha yüksek görüşlere sahip olduklarını belirtmek yerinde olacaktır. Bu soruları yanıtlamak için bu oturumun tekniklerini kullanın. Her soru için istatistiksel sonuca nasıl ulaştığınızı açıklayın ve sonuç için gerçek dünyadan bir neden önerin.
1. İngilizce konuşma becerisi cinsiyetten bağımsız mıdır?
2. İş arama (“iş arama”) cinsiyetten bağımsız mıdır?
3. Emniyet kemeri kullanımı araç sahipliğinden bağımsız mıdır?
4. Emniyet kemeri kullanımı cinsiyetten bağımsız mıdır?
5. Amerika Birleşik Devletleri dışına seyahat cinsiyetten bağımsız mıdır?
6. Emniyet kemeri kullanımı yıldırım çarpmış birinin tanıdıklığından bağımsız mıdır?
Bu dosya, Mendel’in başka bir deneyi için özetlenmiş sonuçları içerir. Bu durumda, dört olası doku (pürüzsüz/buruşuk) ve renk (sarı/yeşil) kombinasyonuyla ilgilendi. Teorisi, 9:3:3:1 oranlarını tahmin ederdi (yani, en yaygın düz sarı, bu sayının üçte biri düz yeşil ve kırışık sarı ve yalnızca dokuzda biri kırışık yeşil).1 Veri kümesinin ilk sütunu dört kategoriyi içerir ve ikinci sütun gözlemlenen frekansları içerir.
7. Bu verilerin Mendel’in 9:3:3:1 oranına ilişkin sıfır hipotezini çürütüp çürütmediğini belirlemek için bir uygunluk testi gerçekleştirin. Oran, ki-kare iletişim kutusunda Beklenen Değerler olarak .56, .19, .19 ve .06 teorik oranlarına çevrilir.
8. Tanınmış istatistikçi Ronald A. Fisher, yıllar sonra Mendel’in tüm verilerini yeniden analiz etti ve Mendel’in bahçıvan asistanının sonuçları teori ile uyumlu hale getirmek için değiştirmiş olabileceği sonucuna vardı, çünkü Mendel’in birçok deneyinin her biri aşağıdakine benzer ki-kare testleri verdi. bu ve oturumda daha önce gösterilen. Neden bu kadar çok tutarlı sonuç Fisher’ın şüphelerini artırsın?
Bu dosya, 1692’deki büyücülük davaları sırasında Salem Köyü sakinleriyle ilgili verileri içerir.
9. Değişkenler proparri ve suçlayandan bağımsız mı?
10. Değişkenler proparri ve savunucu bağımsız mı?
ki-kare bağımsızlık testi hesaplama ki-kare bağımsızlık testi örnekleri Ki-kare Bağımsızlık Testi SPSS Ki-kare Bağımsızlık Testi tablosu Ki-kare testi nasıl yapılır Ki-kare testi ne için kullanılır Ki-kare testi yorumlama Pearson ki-kare testi örnek