卡方檢定 | chi square trend test spss
卡方檢定用於分析兩類別變數間的關係,本次介紹的內容為獨立性檢定,以下將詳細說明原理及SPSS操作。一、使用狀況:卡方獨立性檢定適用於分析兩組類別變數的關聯性。同一樣本中,兩個變項的關聯性檢定,也就是探討兩個類別變項(例如:性別和結婚狀態)之間,是否為相互獨立,或者是有相依的關係存在,若是達到顯著,則需進ㄧ步查看兩個變項的關連性強度。二、前提假設:(一)所有的變項為類別變項(categoricalvariable)(二)樣本須為獨立變項(Independentvariable)→第一組的樣本不影響第二組的樣本;第二組的樣本也不影響第一組。(三)每...
卡方檢定用於分析兩類別變數間的關係,本次介紹的內容為獨立性檢定,以下將詳細說明原理及SPSS操作。
一、使用狀況:
卡方獨立性檢定適用於分析兩組類別變數的關聯性。
同一樣本中,兩個變項的關聯性檢定,也就是探討兩個類別變項(例如:性別和結婚狀態)之間,是否為相互獨立,或者是有相依的關係存在,若是達到顯著,則需進ㄧ步查看兩個變項的關連性強度。
二、前提假設:
(一)所有的變項為類別變項(categorical variable)
(二)樣本須為獨立變項(Independent variable)→第一組的樣本不影響第二組的樣本;第二組的樣本也不影響第一組。
(三)每一檢定細格(cell)內的數據應該設為頻率或計數數目,而不是百分比或是經過轉換之數據。
(四)至少有80%以上的細格,其樣本數大於5,亦即樣本數目至少要為細格數目的五倍。
三、假說檢定(Hypothesis Testing):
Disease(b) Exposure(a) yes no total yes A B A+B no C D C+D total A+C B+D A+B+C+D(一)卡方值之計算公式如下:
χ2為每一細格之卡方數,O為觀察次數,E為期望次數,期望次數的計算是以每行與每列之交乘值除以總數(Total)便得到期望值,例如:[(A+B)*(A+C)]/Total為A Cell之期望值。
此公式表示自i細格至j細格中,觀察值與期望之差異之總和,若差異越大則表示兩變數之間越有關聯性,越容易顯著。
其假說檢定如下:
H0: χ2為0
H1: χ2不為0
自由度=(a-1)* (b-1), a與b為行列分組數目。
四、SPSS 操作Example:
(一)在SPSS中輸入欲分析之資料。
本次分析想要來了解,上班族失眠症狀跟感到疲勞是否有相關性,兩個變項之間是否相互獨立,這筆資料共有61筆數據。
(二)卡方獨立性檢定:分析→敘述計→交叉表