စာရင်းအင်းဘာသာရပ်တွင် Chi-Square စမ်းသပ်မှု- နားလည်မှုနှင့် အသုံးချမှု
စာရင်းအင်းပညာတွင်၊ ဒေတာများကို ခွဲခြမ်းစိတ်ဖြာရန်နှင့် တိကျသော သိပ္ပံနည်းကျ နိဂုံးချုပ်ချက်များ ရေးဆွဲရန်အတွက် စမ်းသပ်မှုအမျိုးမျိုးကို အသုံးပြုကြသည်။ စာရင်းအင်းပညာတွင် အရေးကြီးဆုံး စမ်းသပ်မှုများထဲမှ တစ်ခုမှာ Chi-Square စမ်းသပ်မှုဖြစ်သည်။ ဤစမ်းသပ်မှုတွင် အထူးသဖြင့် အမျိုးအစားအလိုက် ဒေတာခွဲခြမ်းစိတ်ဖြာမှုတွင် အသုံးချမှုအမျိုးမျိုးရှိသည်။ ဤဆောင်းပါးသည် Chi-Square စမ်းသပ်မှုကို ၎င်း၏ အခြေခံသဘောတရားများ၊ Chi-Square စမ်းသပ်မှုအမျိုးအစားများ၊ အကောင်အထည်ဖော်မှုလုပ်ထုံးလုပ်နည်းများနှင့် နယ်ပယ်အသီးသီးတွင် အသုံးချမှုများ အပါအဝင် နက်နဲစွာ ဆွေးနွေးပါမည်။
Chi-Square စမ်းသပ်မှု၏ အခြေခံသဘောတရားများ
Chi-Square စမ်းသပ်မှုသည် တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော အမျိုးအစားများတွင် မျှော်မှန်းထားသောနှင့် တွေ့ရှိရသော ကြိမ်နှုန်းဖြန့်ဖြူးမှုအကြား သိသာထင်ရှားသော ကွာခြားချက်ရှိမရှိ ဆုံးဖြတ်ရန်အသုံးပြုသည့် non-parametric စမ်းသပ်မှုတစ်ခုဖြစ်သည်။ ဤစမ်းသပ်မှုကို Karl Pearson မှ ၁၉၀၀ ခုနှစ်တွင် မိတ်ဆက်ခဲ့ပြီး အမျိုးအစားအလိုက်ဒေတာနှင့်ပတ်သက်သည့် သိပ္ပံနည်းကျလေ့လာမှုအမျိုးမျိုးတွင် မကြာခဏအသုံးပြုလေ့ရှိသည်။
Chi-Square သင်္ကေတကို များသောအားဖြင့် ဂရိအက္ခရာ χ² ဖြင့် ရေးသားလေ့ရှိပြီး ဤစမ်းသပ်မှု၏ အခြေခံဖော်မြူလာမှာ-
\[ χ² = Σ \frac{(O_i – E_i)^2}{E_i} \]
နှင့်အတူ၊
– \(O_i\) သည် လေ့လာတွေ့ရှိထားသော ကြိမ်နှုန်းဖြစ်သည်။
– \(E_i\) သည် မျှော်မှန်းထားသော ကြိမ်နှုန်းဖြစ်သည်။
Chi-Square စမ်းသပ်မှုအမျိုးအစားများ
၁။ Chi-Square Goodness of Fit စမ်းသပ်မှု- ဤစမ်းသပ်မှုကို လေ့လာတွေ့ရှိချက်အစုံတစ်ခုသည် မျှော်မှန်းထားသော ဖြန့်ဖြူးမှုနှင့် ကိုက်ညီမှုရှိမရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။ ဥပမာအားဖြင့်၊ တွေ့ရှိချက်ရလဒ်များ၏ ဖြန့်ဖြူးမှုကို မျှော်မှန်းထားသော ဖြန့်ဖြူးမှုနှင့် နှိုင်းယှဉ်ခြင်းဖြင့် အန်စာတုံးလှိမ့်ခြင်းသည် တရားမျှတမှုရှိမရှိ ဆုံးဖြတ်လိုပေမည် (တစ်ဖက်စီသည် အချိန်၏ ၆ ပုံ ၁ ပုံ ပေါ်လာသည်)။
၂။ လွတ်လပ်မှုအတွက် Chi-Square စမ်းသပ်မှု- ဤစမ်းသပ်မှုကို အမျိုးအစားခွဲခြားထားသော ကိန်းရှင်နှစ်ခုသည် လွတ်လပ်မှုရှိမရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။ ဥပမာအားဖြင့်၊ ဤစမ်းသပ်မှုကို ကျား၊မ နှင့် အရောင်ရွေးချယ်မှုကြား ဆက်နွယ်မှုကို စုံစမ်းစစ်ဆေးရန် အသုံးပြုနိုင်သည်။
၃။ တစ်သားတည်းဖြစ်မှုအတွက် Chi-Square စမ်းသပ်မှု- ဤစမ်းသပ်မှုသည် လွတ်လပ်မှုစမ်းသပ်မှုနှင့် ဆင်တူသော်လည်း မတူညီသောလူဦးရေ သို့မဟုတ် အုပ်စုများတစ်လျှောက်တွင် ကိန်းရှင်တစ်ခု၏ ဖြန့်ဖြူးမှုသည် အတူတူပင်ဖြစ်မဖြစ် ဆုံးဖြတ်ရန် အသုံးပြုသည်။ အုပ်စုတစ်ခုစီတွင် စမ်းသပ်နေသော ကိန်းရှင်၏ ဖြန့်ဖြူးမှုတူညီရန် မျှော်လင့်ရသည်။
Chi-Square စမ်းသပ်မှု အကောင်အထည်ဖော်မှု လုပ်ထုံးလုပ်နည်း
Chi-Square စမ်းသပ်မှုကို လုပ်ဆောင်ရန် အခြေခံလုပ်ထုံးလုပ်နည်းတွင် အဓိကအဆင့်အချို့ပါဝင်သည်-
၁။ ယူဆချက်ကို ဆုံးဖြတ်ပါ- လေ့လာတွေ့ရှိထားသော နှင့် မျှော်မှန်းထားသော ဖြန့်ဖြူးမှုများကြားတွင် ကွာခြားချက်မရှိကြောင်း ဖော်ပြသည့် null hypothesis (H0) ကို ဖော်ထုတ်ပါ။ အခြားရွေးချယ်စရာ ယူဆချက် (H1) သည် သိသာထင်ရှားသော ကွာခြားချက်တစ်ခု ရှိကြောင်း ဖော်ပြထားသည်။
၂။ အရေးပေါ်ဇယားတစ်ခု ဖန်တီးပါ- ဒေတာအမျိုးအစားအားလုံးအတွက် တကယ့်လေ့လာတွေ့ရှိချက်ကြိမ်နှုန်းဖြန့်ဖြူးမှုပါ၀င်သည့် အရေးပေါ်ဇယားတစ်ခု ဖန်တီးပါ။
၃။ မျှော်မှန်းထားသော ကြိမ်နှုန်း တွက်ချက်ခြင်း- ဇယားရှိ ဆဲလ်တစ်ခုစီအတွက် မျှော်မှန်းထားသော ကြိမ်နှုန်း (E_i) ကို တွက်ချက်ပါ။ မျှော်မှန်းထားသော ကြိမ်နှုန်းသည် သီအိုရီဆိုင်ရာ ဖြန့်ဖြူးမှု သို့မဟုတ် စုစုပေါင်း နမူနာအချိုးအစားအပေါ် အခြေခံသည်။
၄။ Chi-Square စာရင်းအင်းများ တွက်ချက်ခြင်း- Chi-Square စာရင်းအင်းတန်ဖိုးကို တွက်ချက်ရန် χ² ဖော်မြူလာကို အသုံးပြုပါ။
၅။ လွတ်လပ်မှုဒီဂရီများကို ဆုံးဖြတ်ခြင်း- Chi-Square စမ်းသပ်မှုအတွက် လွတ်လပ်မှုဒီဂရီ (df) သည် အသုံးပြုသော စမ်းသပ်မှုအမျိုးအစားပေါ်တွင် မူတည်သည်။ ကိုက်ညီမှုစမ်းသပ်မှု ကောင်းမွန်စေရန်အတွက် df = (အမျိုးအစားအရေအတွက် – 1)။ လွတ်လပ်မှုစမ်းသပ်မှုအတွက် df = (အတန်းအရေအတွက် – 1) (ကော်လံအရေအတွက် – 1)။
၆။ အရေးပါသောတန်ဖိုးနှင့် နှိုင်းယှဉ်ပါ- ကြိုတင်သတ်မှတ်ထားသော အရေးပါမှုအဆင့် (α) အပေါ် အခြေခံ၍ Chi-Square ဖြန့်ဖြူးမှုဇယားတွင် χ² ၏ တွက်ချက်ထားသောတန်ဖိုးကို χ² ၏ အရေးပါသောတန်ဖိုးနှင့် နှိုင်းယှဉ်ပါ။
၇။ နိဂုံးချုပ်- တွက်ချက်ထားသော χ² တန်ဖိုးသည် အရေးပါသောတန်ဖိုးထက် ပိုများပါက၊ null hypothesis ကို ငြင်းပယ်ပါသည်၊ ဆိုလိုသည်မှာ တွေ့ရှိထားသော နှင့် မျှော်မှန်းထားသော ဖြန့်ဖြူးမှုများအကြားတွင် သိသာထင်ရှားသော ကွာခြားချက်ရှိသည်။
Chi-Square စမ်းသပ်မှုလျှောက်လွှာ
ချီ-စကွဲယား စစ်ဆေးမှုသည် သုတေသနနှင့် စက်မှုလုပ်ငန်းနယ်ပယ်အမျိုးမျိုးတွင် ကျယ်ကျယ်ပြန့်ပြန့် အသုံးချမှုများရှိသည်။ ဤစစ်ဆေးမှု၏ လက်တွေ့အသုံးချမှုအချို့တွင် အောက်ပါတို့ပါဝင်သည်-
၁။ လူမှုရေးနှင့် စိတ်ပညာ- လူမှုရေး သို့မဟုတ် လူ့အပြုအမူဆိုင်ရာ သုတေသနသည် အသက်၊ ကျား၊မ၊ ပညာရေးနှင့် စားသုံးမှုအလေ့အထများ သို့မဟုတ် ဖျော်ဖြေရေးအလေ့အထများကဲ့သို့သော အပြုအမူကဲ့သို့သော လူဦးရေဆိုင်ရာ ကိန်းရှင်များအကြား ဆက်နွယ်မှုရှိမရှိ ဆုံးဖြတ်ရန် Chi-Square စမ်းသပ်မှုကို မကြာခဏ အသုံးပြုလေ့ရှိသည်။
၂။ စီးပွားရေးနှင့် စျေးကွက်ရှာဖွေရေး- စီးပွားရေးနယ်ပယ်တွင် Chi-Square စမ်းသပ်မှုကို ထုတ်ကုန်အမျိုးအစားနှင့် ဖောက်သည်ဦးစားပေးမှုကဲ့သို့သော အမျိုးအစားနှစ်ခုကြား သို့မဟုတ် ဆိုင်တည်နေရာနှင့် ရောင်းအားပမာဏကြား ဆက်နွယ်မှုရှိမရှိ စစ်ဆေးရန် အသုံးပြုသည်။
၃။ ကျန်းမာရေးနှင့် ဆေးပညာ- ဆေးဘက်ဆိုင်ရာ သုတေသနတွင် Chi-Square ခွဲခြမ်းစိတ်ဖြာမှုကို လက်တွေ့ဒေတာများကို အကဲဖြတ်ရန် အသုံးပြုနိုင်ပြီး၊ ဥပမာအားဖြင့် အချို့သော လူနေမှုပုံစံများနှင့် အချို့သော ရောဂါများဖြစ်ပွားမှုကြား ဆက်နွယ်မှုကို ကြည့်ရှုရန်ဖြစ်သည်။
၄။ ပညာရေး- ပညာရေးတွင် အချက်အလက်ခွဲခြမ်းစိတ်ဖြာမှုသည် သင်ကြားမှုနည်းလမ်းများနှင့် ကျောင်းသားအောင်မြင်မှုကဲ့သို့သော ကိန်းရှင်များအကြား သို့မဟုတ် ကျောင်းသားနောက်ခံနှင့် ပညာရေးအောင်မြင်မှုအကြား ဆက်နွယ်မှုကို အကဲဖြတ်ရန် Chi-Square စစ်ဆေးမှုကိုအသုံးပြုလေ့ရှိသည်။
Chi-Square စမ်းသပ်မှုဖြစ်ရပ် ဥပမာ
အလုပ်အကိုင်အခြေအနေ (အချိန်ပြည့်ဝန်ထမ်း၊ အချိန်ပိုင်းဝန်ထမ်း၊ ကျောင်းသား) အပေါ်အခြေခံ၍ အဖျော်ယမကာ နှစ်သက်မှု (ကော်ဖီ၊ လက်ဖက်ရည်၊ ဖျော်ရည်) အကြား သိသာထင်ရှားသော ကွာခြားချက်ရှိမရှိ ဆုံးဖြတ်လိုသည်ဆိုပါစို့။ လူ ၃၀၀ ကို စစ်တမ်းကောက်ယူခဲ့ရာမှ အချက်အလက်များကို စုဆောင်းခဲ့ပြီး အောက်ပါတို့သည် အရေးပေါ်ဇယားတွင် လေ့လာတွေ့ရှိချက်များ၏ ဖြန့်ဖြူးမှုဖြစ်သည်။
| | ကော်ဖီ | လက်ဖက်ရည် | ဖျော်ရည် | စုစုပေါင်း |
|————————|——-|—–|—–|——-|
| အချိန်ပြည့်ဝန်ထမ်း | ၅၀ | ၃၀ | ၂၀ | ၁၀၀ |
| အချိန်ပိုင်းအလုပ်သမား | ၃၀ | ၄၀ | ၃၀ | ၁၀၀ |
| ကျောင်းသား | ၂၀ | ၁၀ | ၇၀ | ၁၀၀ |
| စုစုပေါင်း | ၁၀၀ | ၈၀ | ၁၂၀ | ၃၀၀ |
မျှော်မှန်းထားသော ကြိမ်နှုန်းများကို တွက်ချက်ပြီးနောက် Chi-Square စာရင်းအင်းတန်ဖိုးကို တွက်ချက်ခြင်းဖြင့်၊ အဖျော်ယမကာ နှစ်သက်မှုများသည် အလုပ်အကိုင်အဆင့်အတန်းနှင့် ဆက်စပ်မှုရှိမရှိကို ကျွန်ုပ်တို့ ဆုံးဖြတ်နိုင်ပါသည်။
ပိတ်
chi-square စစ်ဆေးမှုသည် အမျိုးအစားအလိုက် ဒေတာများကို ခွဲခြမ်းစိတ်ဖြာရန်အတွက် အစွမ်းထက်သော စာရင်းအင်းကိရိယာတစ်ခုဖြစ်သည်။ အခြေခံသဘောတရားများ၊ စမ်းသပ်မှုအမျိုးအစားများနှင့် အကောင်အထည်ဖော်မှုလုပ်ထုံးလုပ်နည်းများကို နားလည်ခြင်းဖြင့် သုတေသီများသည် ဤစစ်ဆေးမှုကို အသုံးပြု၍ နယ်ပယ်အမျိုးမျိုးတွင် ၎င်းတို့၏ယူဆချက်များကို အကဲဖြတ်နိုင်သည်။ chi-square စစ်ဆေးမှု၏ တိကျမှုသည် လုံလောက်သော နမူနာအရွယ်အစားနှင့် အမျိုးအစားများအကြား လွတ်လပ်မှုကဲ့သို့သော အချို့သောယူဆချက်များနှင့် ကိုက်ညီမှုပေါ်တွင် မူတည်သည်။ သင့်လျော်သော နားလည်မှုနှင့် အသုံးချမှုမှတစ်ဆင့် chi-square စစ်ဆေးမှုသည် ဒေတာအခြေပြု ဆုံးဖြတ်ချက်ချမှတ်မှုကို ပံ့ပိုးပေးသည့် အဖိုးတန်ထိုးထွင်းသိမြင်မှုများကို ပေးစွမ်းနိုင်သည်။
