آزمون کای اسکوئر برای استقلال
آزمون کای دو (χ²) برای استقلال، یک روش آماری ناپارامتری است که اغلب برای تعیین مرتبط یا غیرمرتبط بودن دو متغیر دستهای (مقیاس اسمی یا ترتیبی) استفاده میشود. در بسیاری از مطالعات اجتماعی، بهداشتی، آموزشی، بازاریابی و تحلیل سیاست، محققان اغلب با دادههای دستهای مانند جنسیت (مرد/زن)، وضعیت سیگار کشیدن (بله/خیر)، سطح تحصیلات (دبیرستان/دیپلم/لیسانس)، ترجیحات برند (A/B/C) و غیره مواجه میشوند. آزمون کای دو برای استقلال به پاسخ به این سوال اصلی کمک میکند: آیا توزیع یک متغیر در سایر دستههای متغیر به طور قابل توجهی متفاوت است؟
مفاهیم اساسی: استقلال چیست؟
دو متغیر مستقل نامیده میشوند اگر اطلاعات مربوط به دستههای متغیر اول به پیشبینی دستههای متغیر دوم کمکی نکند. برای مثال، اگر «جنسیت» و «ترجیح نوشیدنی» مستقل باشند، نسبت ترجیحات نوشیدنی در هر دو گروه زن و مرد نسبتاً مشابه خواهد بود. برعکس، اگر نسبتها به طور قابل توجهی متفاوت باشند، این نشان میدهد که دو متغیر مستقل (مرتبط) نیستند.
آزمون کای دو برای استقلال با مقایسه فراوانیهای مشاهدهشده (دادههای واقعی که میبینیم) با فراوانیهای مورد انتظار (فراوانیهایی که اگر دو متغیر واقعاً مستقل باشند «باید رخ دهند») کار میکند. هرچه تفاوت بین مقادیر مشاهدهشده و مورد انتظار بیشتر باشد، مقدار آماره χ² بیشتر و شواهد رابطه قویتر است.
جدول احتمالات
دادههای این آزمون در یک جدول احتمالی سازماندهی شدهاند که فراوانیها را برای ترکیبات طبقهبندیشده دو متغیر نشان میدهد. برای مثال، بیایید رابطه بین وضعیت سیگار کشیدن (بله/خیر) و میزان بروز سرفه مزمن (بله/خیر) را بررسی کنیم. ما یک جدول ۲x۲ ایجاد خواهیم کرد که شامل تعداد پاسخدهندگان در هر ترکیب است.
به طور کلی، جداول میتوانند بسته به تعداد دستهها در هر متغیر، ۲×۲، ۲×۳، ۳×۴ و غیره باشند. آزمون کای-اسکوئر برای استقلال را میتوان برای جداول با هر اندازهای، تا زمانی که شرایط خاصی برقرار باشد، استفاده کرد.
آزمون فرضیه
در آزمون کای دو برای استقلال، فرضیه به صورت زیر است:
– H0 (فرضیه صفر): هر دو متغیر مستقل هستند (هیچ رابطه/ارتباطی وجود ندارد).
– H1 (فرضیه جایگزین): دو متغیر مستقل نیستند (رابطه/ارتباط وجود دارد).
هدف از این آزمون تعیین این است که آیا دادهها شواهد کافی برای رد فرضیه H0 ارائه میدهند یا خیر.
فرمول آماری کای اسکوئر
آماره آزمون کای دو با استفاده از فرمول زیر محاسبه میشود:
\[
\chi^2 = \sum \frac{(O_{ij} – E_{ij})^2}{E_{ij}}
\]
شرح:
- \(O_{ij}\) فراوانی مشاهده در سطر i و ستون j سلول است.
- \(E_{ij}\) فراوانی مورد انتظار در سلول سطر i و ستون j است.
فراوانی مورد انتظار از مجموع سطر و مجموع ستون محاسبه میشود:
\[
E_{ij} = \frac{(\text{کل سطر i}) \times (\text{کل ستون j})}{\text{جمع کل}}
\]
این فرمول نشان میدهد که اگر توزیعها در هر سطر و ستون بر یکدیگر تأثیر نمیگذاشتند (مستقل بودند)، انتظار چه اتفاقی میافتاد.
درجات آزادی
درجات آزادی (df) برای این آزمون با اندازه جدول تعیین میشود:
\[
df = (r – 1)(c – 1)
\]
دنگان:
– \(r\) = تعداد ردیفها (اولین دسته متغیر)
– \(c\) = تعداد ستونها (دسته متغیر دوم)
درجات آزادی بر شکل توزیع کای-اسکوئر مورد استفاده برای تعیین مقدار p تأثیر میگذارند.
مراحل انجام آزمون استقلال کای اسکوئر
ترتیب کلی انجام این آزمایش به شرح زیر است:
۱. دادهها را در یک جدول احتمالاتی مرتب کنید.
مطمئن شوید که دادهها به صورت فراوانی هستند، نه درصد.
۲. فراوانی مورد انتظار برای هر سلول را با استفاده از فرمول \(E_{ij}\) محاسبه کنید.
۳. مقدار χ² را با جمع کردن مؤلفههای \((OE)^2/E\) برای همه سلولها محاسبه کنید.
۴. با استفاده از \((r-1)(c-1)\) ، df را تعیین کنید.
۵. مقدار p را بر اساس توزیع کای دو با df محاسبه کنید (یا χ² محاسبه شده را با χ² جدول در سطح معنی داری α، به عنوان مثال ۰.۰۵، مقایسه کنید).
۶. تصمیم بگیرید.
اگر مقدار p ≤ α باشد، فرضیه H0 رد میشود و رابطه/وابستگی وجود دارد.
اگر مقدار p > α → نتواند H0 را رد کند، هیچ مدرکی دال بر رابطه وجود ندارد.
۷. تفسیر ماهوی.
توضیح دهید که این رابطه در چارچوب تحقیق به چه معناست، نه فقط «معنادار» یا «بیمعنا».
مثال تفسیر (بدون محاسبات دقیق)
فرض کنید محققی در حال ارزیابی رابطه بین «روش مطالعه» (مستقل/گروهی) و «فارغالتحصیلی» (قبولی/ردی) است. پس از انجام آزمون کایاسکوئر، مقدار p برابر با 0,02 است. با α = 0,05، نتیجه، رد فرضیه H0 است که نشاندهنده رابطه بین روش مطالعه و فارغالتحصیلی است. سپس محقق باید تعیین کند که کدام سلولها بیشترین تفاوت را ایجاد میکنند (برای مثال، آیا مطالعه گروهی نسبت فارغالتحصیلان را افزایش میدهد یا خیر). در عمل، میتوان با بررسی باقیماندههای استاندارد شده یا اندازههای اثر، تحلیل را گسترش داد.
شرایط و فرضیات مهم
اگرچه کای-اسکوئر ناپارامتری است، اما این آزمون چندین الزام مهم دارد:
۱. دادهها به صورت شمارش (فراوانی) هستند و هر موضوع فقط در یک دسته قرار میگیرد (متقابلاً منحصر به فرد).
۲. مشاهدات مستقل، به این معنی که یک پاسخگو ممکن است بیش از یک بار شمارش نشود و هیچ رابطه زوجی بین مشاهدات وجود ندارد.
۳. فراوانی مورد انتظار به اندازه کافی بزرگ باشد. یک قاعده کلی رایج: بیشتر مقادیر \(E_{ij}\) باید ≥ ۵ باشند. اگر تعداد سلولهای با مقادیر مورد انتظار کوچک زیاد باشد، نتایج آزمون کای-اسکوئر ممکن است نامعتبر باشد.
برای جداول ۲×۲ با فراوانیهای کم، یک جایگزین رایج، آزمون دقیق فیشر است. برای دادههای زوجی (مثلاً قبل-بعد روی یک پاسخدهنده)، یک جایگزین، آزمون مکنمار است.
اندازه اثر: نه فقط قابل توجه
یک نتیجهی معنادار لزوماً به معنای یک رابطهی «قوی» نیست. بنابراین، اغلب توصیه میشود که اندازهی اثر گزارش شود، برای مثال:
– عدد فی (φ) برای جدول ۲×۲
- Cramér's V برای میزهای بزرگتر
V کرامر از ۰ تا ۱ متغیر است و مقادیر بزرگتر نشان دهنده ارتباط قویتر است. گزارش اندازههای اثر به خوانندگان کمک میکند تا قدرت رابطه را درک کنند، نه فقط وجود آن را.
مزایا و محدودیتها
مزایای:
- استفاده آسان برای دادههای طبقهبندیشده.
- نیازی به فرض نرمال بودن ندارد.
- مناسب برای بسیاری از زمینههای تحقیقاتی.
کِتِرباتاسان:
– حساس به اندازه نمونه: نمونههای بزرگ میتوانند تفاوتهای کوچک را «معنیدار» کنند.
– جهت رابطه را مستقیماً نشان نمیدهد، بلکه فقط وجود/عدم وجود ارتباط را نشان میدهد.
– اگر بسیاری از سلولها فرکانسهای مورد انتظار کمی داشته باشند، مشکلساز است.
– تفسیر باید با تحلیلهای اضافی (مثلاً بررسی نسبتها یا باقیماندهها) پشتیبانی شود.
بستن
آزمون کای دو برای استقلال، ابزاری مهم برای ارزیابی وجود یا عدم وجود رابطه بین دو متغیر دستهای است. محققان با ساخت یک جدول احتمالی، محاسبه فراوانیهای مورد انتظار و مقایسه آنها با فراوانیهای مشاهده شده با استفاده از آماره χ²، میتوانند فرضیه استقلال را به طور عینی آزمایش کنند. با این حال، برای تولید یک تحلیل قوی، محققان باید فراتر از تعیین وجود یا عدم وجود یک اثر معنیدار عمل کنند. آنها همچنین باید اندازههای اثر را گزارش کنند، الزامات فراوانی مورد انتظار را بررسی کنند و یافتهها را به زمینه اصلی مطالعه مرتبط سازند. بنابراین، آزمون کای دو چیزی بیش از یک روش ریاضی است، بلکه بخشی از استدلال علمی است که به درک الگوهای روابط در دادههای دستهای کمک میکند.
