Analizi, ilk iki kategoriyi karşılaştırmak için tam olarak daha önce açıklandığı gibi kurduk, ancak Ki-Kare Seçenekleri penceresinde, Kategori sütununda her biri hala 50’lik bir Göreli Frekansta 1 ve 3’ü belirtmemiz dışındadır.

ANALİZ ÇIKTI: 1. VE 3. KATEGORİLERİN KARŞILAŞTIRILMASI

Kategori 1 ve 3’ü karşılaştıran ki-kare testinin özetini sunar. Sonuçlar, dahil edilen kategorilerin sıklık açısından önemli ölçüde farklı olduğunu gösterir (p = .005).

Özet tablosuna çift tıklamak çıktıyı Şekil 62.13’te gösterildiği gibi genişletir. İstatistiksel tablonun üzerindeki çubuk grafik, analizdeki kategorileri bilişsel düşüş ve fiziksel değişiklikler olarak tanımlar. Ki-kare değeri tabloda 8.000 olarak gösterilmiştir.

1 serbestlik dereceli ki-kare dağılımına göre değerlendirildiğinde (çünkü analizde iki kategori vardır), bu değeri veya daha büyük bir değeri elde etme şansı .005’tir. Bu analize dayanarak, bu nedenle, fiziksel sıkıntı sinyalleri sunanlara göre bilişsel sıkıntı sinyalleri sunan danışanların önemli ölçüde daha fazla olduğu sonucuna varıyoruz.

ANALİZ KURULUMU: 2. VE 3. KATEGORİLERİN KARŞILAŞTIRILMASI

Analizi, ilk iki kategoriyi karşılaştırmak için tam olarak daha önce açıklandığı gibi kurduk, ancak Ki-Kare Seçenekleri penceresinde Kategori sütununda 2 ve 3’ü belirledik.

ANALİZ ÇIKTI: 2. VE 3. KATEGORİLERİN KARŞILAŞTIRILMASI

Kategori 2 ve 3’ü karşılaştıran ki-kare testinin özetini sunar. Sonuçlar, dahil edilen kategorilerin sıklık açısından önemli ölçüde farklı olmadığını gösterir (p = .075).

Özet tablosuna çift tıklamak çıktıyı gösterildiği gibi genişletir. İstatistiksel tablonun üzerindeki çubuk grafik, analizdeki kategorileri duygusal bozulma ve fiziksel değişiklikler olarak tanımlar. Ki-kare değeri tabloda 3.161 olarak gösterilmiştir. 1 serbestlik dereceli ki-kare dağılımına karşı değerlendirildiğinde, bu değeri veya daha büyük bir değeri elde etme şansı .075’tir. Bu analize dayanarak, duygusal sıkıntı sinyalleri veren danışanların fiziksel sıkıntı sinyalleri sunanlardan önemli ölçüde daha fazla olmadığı sonucuna vardık.

Sonuç olarak, post hoc analizler, fiziksel değişiklik semptomları veya duygusal bozulma semptomlarından çok daha fazla bilişsel gerileme semptomları gösteren danışan olduğunu göstermiştir.

ki-kare bağımsızlık testi örnek sorular
ki-kare bağımsızlık testi hesaplama
ki-kare testi hesaplama
ki-kare testi yorumlama
ki-kare testi tablosu
ki-kare testi ne için kullanılır
Ki-kare testi ne zaman kullanılır
Pearson ki-kare testi

İki Yönlü Ki-Kare Bağımsızlık Testi

İki yönlü ki-kare tasarımı, ele alınan tek yönlü tasarımın bir uzantısıdır; önemli olan fark, analize ikinci bir kategorik değişkeni dahil etmemizdir. İki yönlü bir tasarımdaki frekanslar, bir değişkenin satırlarla (örneğin, kadınlar ve erkekler) ve diğerinin sütunlarla (örneğin, kullanıcının bir cafe ́ latte veya bir cafe ́ mocha sipariş edip etmediği) ile temsil edildiği bir tabloya yerleştirilir. yerel bir kahvehane). Bu tür bir konfigürasyona, frekansların iki kategorik değişkenin (örneğin, bir kafe ́ latte sipariş eden kadınlar) seviyelerine bağlı olması anlamında iki yönlü bir olasılık tablosu denir.

Araştırma çalışmasında iki değişken arasında ayrım yapmak için, bazı araştırmacılar ilgi gruplarını temsil eden değişkeni satırlara yerleştirir ve diğer değişkeni (çalışmanın bir çıktısına veya odağına benzer) sütunlarla temsil eder, ancak böyle bir yerleştirme keyfidir. ve diğer araştırmacılar ters düzenlemeyi önermektedir.

Örneğin, yerel bir kahvehanede iki cinsiyetin içecek tercihlerini inceliyor olsaydık, satırların farklı cinsiyetleri temsil ettiğini ve her sütunun kahve içeceklerinden birini temsil ettiğini hayal ederdik. Böyle bir konfigürasyon, bu bölümde yaptığımız gibi sadece gözlemlenenleri beklenen sıklıklarla karşılaştırdığımızda daha az alakalıdır, ancak Bölüm 64’te ele aldığımız risk analizinde biraz daha alakalı hale gelir.

İki yönlü tasarımdaki sıfır hipotezi, iki değişkenin bağımsız olmasıdır. Kadınların ve erkeklerin içki ısmarladığı kahvehane çalışmasını düşünün. Eğer iki değişken bağımsızsa, o zaman her içkiyi sipariş eden kadın oranı erkeklerle aşağı yukarı aynı olacaktır.

Örneğin, her bir cinsiyetin %25’i cafe ́ latte sipariş etseydi (ve dolayısıyla her birinin %75’i cafe ́ mocha sipariş etseydi), o zaman anlamlı olmayan bir ki-kare değeri elde ederdik ve iki değişkenin bağımsız olduğu sonucuna varırdık; yani, eğer iki değişken bağımsız ise, her bir cinsiyet için aynı içki siparişi kalıbı geçerli olacaktır ve müşterinin cinsiyetini bilmek, hangi içeceğin sipariş edildiğine dair tahminimizi güçlendirmeyecektir.

İki değişken birbiriyle ilişkiliyse (bağımsız değilse), az önce tanımladığımızın tersi gerçekleşir. Örneğin, kadınların %10’u, erkeklerin ise %75’i bir kafe ́ latte sipariş etseydi, istatistiksel olarak anlamlı bir ki-kare değeri elde ederdik ve iki değişkenin bağımsız olmadığı (yani birbirleriyle ilişkili olduğu) sonucuna varırdık. . Bu durumda, patronun cinsiyeti, içecekler için sipariş tercihleriyle ilişkilidir ve cinsiyet, sipariş verme davranışının bir yordayıcısı haline gelir; yukarıdaki senaryo göz önüne alındığında, erkeklerin bir kafe ́ latte sipariş etme olasılığı kadınlardan daha yüksek olacaktır.

Tek yönlü ve iki yönlü ki-kare tasarımı arasındaki diğer bir fark, beklenen frekansların üretilme şeklidir. Bölüm 62’de gördüğümüz gibi, tek yönlü tasarımda teorik, aktüeryal veya şansa dayalı olarak üretilirler; her durumda, beklenen frekansların değerlerini üretme stratejisine karar vermesi gereken araştırmacılardır. İki yönlü tasarımda, beklenen frekanslar gözlemlenen frekanslara dayalı olarak ampirik olarak üretilir ve bunlar boş hipotezi temsil eder (değişkenler arasında hiçbir ilişki yoktur).

Kahvehane çalışmamızda, satırlar olarak müşteri cinsiyeti ve sütunlar olarak içecek türü ile, ilk olarak sütun toplamlarını, yani toplamda kaç müşterinin bir kafe ́ latte sipariş ettiğini ve toplamda kaç müşterinin sipariş ettiğini belirleyerek beklenen frekansları belirleyebiliriz. bir kafe ́ mocha sipariş ettim. 40 müşterinin cafe ́ latte ve 60 müşterinin cafe ́ mocha sipariş ettiğini varsayalım. Toplam N, bu nedenle 100’dür ve bu 100 müşterinin %40’ı genel olarak bir kafe ́ latte ve toplamda %60’ı bir kafe ́ mocha sipariş etmiştir.

Her bir cinsiyet için beklenen sıklıklar, bu gözlemlenen genel (marjinal) sıklıklara dayanmaktadır; bu nedenle, değişkenler bağımsız ise (yani boş hipotez), kadın müşterilerin %40’ı ve erkek müşterilerin %40’ının bir kafe ́ latte sipariş edeceğini ve kadın müşterilerin %60’ının ve erkeklerin %60’ının bir kafe ́ latte sipariş edeceğini varsayabiliriz. patronlar bir kafe ́ mocha sipariş ederdi. Bu beklenen frekanslar, gözlemlenen frekanslarla karşılaştırılır ve bu iki frekans grubunun karşılaştırılabilir olup olmadığını (anlamlı olmayan ki-kare değeri veren) veya değil (istatistiksel olarak anlamlı ki-kare değeri veren) belirlemek için bir ki-kare testi kullanılır.

The post İki Yönlü Ki-Kare Bağımsızlık Testi – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).

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?

The post Ki-Kare Bağımsızlık Testi – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).