卡方检验

在进行统计分析以寻找检验假设时，必须根据已经建立的内容以及世界上不同作者随着时间的推移所建立的内容来进行适当的分析。本技术说明已准备好提供适当的工具，以指导使用分类类型（例如名义和有序）的定性变量检验假设时如何进行。在本指南中，该指南指导用户在执行使用分类变量进行的假设检验的卡方检验时如何进行。

沉思：

测试的变量和类型。

假设检验的变量和类型

使用分类变量进行统计分析时，重要的是要知道要进行的分析类型以及如何解释结果。众所周知，变量分为定性（标称和有序）和定量（区间和比率）。

对于分类变量，在使用对比检验来检验假设时，可以使用以下内容：皮尔逊的卡方（X2）或卡方，费舍尔精确检验和麦克内马尔（Statis Geek，2019）

表1.变量与测试类型的关系

资料来源：Statis Geek（2019年6月22日）。Chi Cuadra从https://www.youtube.com/watch?v=ruLCTkX4tRk检索到

志广场

卡方检验可用于确定分类变量（名义变量和序数变量）之间是否存在关系。可以通过使用以下公式来完成：

使用此公式，您可以在Excel中从作为关联测试基础的观察数据中工作，也可以使用包含该公式的统计包。如果两个变量相关联，则意味着其中一个变量的一部分可以由另一个变量解释。但是，尽管此测试可以解释两个变量之间的关联，但不能解释关联的特征或形式。

要了解卡方的结果，重要的是要了解卡方的含义，强度以及关联的意义或方向。第一个告诉我们关联的强度，范围从弱到非常强，第二个告诉我们它是直接的还是反向的。当关系是直接关系时，如果一个变量增加，则另一个变量增加，反之亦然。另一方面，如果它是反函数，则一个变量上升，另一个变量下降，反之亦然。重要的是要注意，这只有在使用两个序数变量时才能确定。可以通过分类变量的关联来确定另一个元素，它与关联变量之间存在的关系类型有关，可以是：对称和方向性（Ruiz，2019）。

当您只想测量两个分类变量之间的关联的强度和意义时，使用对称。例如，资历水平和所使用的教学方法（一种称谓和一种称谓）之间的关联强度。在这种情况下，可以使用一个测试套件。定向的。当您想确定一个变量可以帮助您预测另一个变量的行为时。为此，其中一个变量必须先是因变量（y），然后是另一个独立变量（x）。例如，压力水平（Y）和职业水平（x）。在这种情况下，可以通过一组测试来确定它。

两者之间的基本区别是对称仅允许测量关联的强度，而方向性则允许在知道自变量的水平的情况下确定因变量的预测程度（Ruiz，2019 ）。

根据Ruiz（2019）的说法，必须按照以下步骤进行卡方检验：

标识要关联的变量标识要关联的变量的类型（标称或序数）。在这种情况下，可以有两个名义变量，至少其中一个名义变量和两个秩序变量，建立您想要建立的关系类型。从这个意义上讲，可以通过两种方式关联变量：
- 对称措施。他们测量变量之间的关系。测量两个变量（一个独立和一个独立）之间的依赖关系。
  
  在至少一个标称变量的情况下，可以测量该关系的强度。而如果它们是两个序数变量，则可以测量关系的强度及其方向性。
确定要执行的测试类型。
- 如果是对称测度。如果您使用两个标称变量或至少一个标称变量，则使用从0到1的标度，一旦事先通过使用来确定是否存在关联，就可以知道关系的强度（非依赖性）。先前定义的P值（P值≤0.05或0.01）。在这种情况下可用的测试是：Phi，Cramer的V和意外系数。如果使用而不是两个有序变量，在对称测量的刻度从-1到+1的使用量和测试用于：伽马，Kendall的tau b和Kendall的tau C（见表2）如果它是一个方向性测度。如果使用至少一个标称变量，则使用从0到1的标度，它可以知道关系的方向性（依存度）并使用Lambda检验。另一方面，当在方向性度量中使用两个序数变量时，将使用从-1到+1的标度和Somers D检验。

表2.标称变量的关联度量

注意：摘自CC的Ruiz（2019年10月12日）。池块和联想措施。于2020年3月31日从https://www.youtube.com/watch?v=cyRAxn5NbD4&t=106s检索

表3.关联类型）Cramer's V）

表4.序数变量的关联度量

注意。Statis Geek。（2019年6月22日）。志广场。于2020年4月2日从https://www.youtube.com/watch?v=ruLCTkX4tRk检索

使用卡方

当您要确定类别变量（例如名义变量和序数变量）之间是否存在关联时，可以使用此测试。

该测试将定性变量与定性变量进行对比。该测试基于卡方分布以获取P值。

在卡方中，无效假设（Ho）是根据独立性表示的，而替代或研究假设是根据依赖性或关联性表示的。

卡方检验的假设

对于卡方，至少80％的预期频率必须大于5.对于2 * 2测试，所有预期值必须大于5才能使用。如果期望值小于5，则应使用Fisher精确检验。例如性别（男人，女人），学校类型（公立，私立）。

卡方程序

用适当的公式计算SPSS，最小等2。根据假设和所考虑的统计显着性水平解释结果；如果显着性为5％，则p的值必须小于0.05以拒绝原假设；如果显着性为1％，则p的值必须小于0.01以拒绝原假设。如果期望值小于5 x 20％或更多，请不要使用卡方检验，而是使用Fisher精确检验。如果表为2 * 2并且期望频率小于5使用费舍尔精确检验。

我们为您提供了一些视频（作为本技术说明的来源），您可以在其中了解有关卡方检验的更多信息。

参考资料

鲁伊斯，CC（2019年10月12日）。池块和联想对策。于2020年3月31日从https://www.youtube.com/watch?v=cyRAxn5NbD4&t=106sStatis Geek检索。（2019年6月22日）。志广场。于2020年4月2日从https://www.youtube.com/watch?v=ruLCTkX4tRk检索