स्वतन्त्रताको लागि ची-स्क्वायर परीक्षण
स्वतन्त्रताको लागि ची-स्क्वायर (χ²) परीक्षण एक गैर-प्यारामेट्रिक तथ्याङ्कीय विधि हो जुन प्रायः दुई वर्गीकृत चरहरू (नाममात्र वा क्रमबद्ध स्केल) सम्बन्धित छन् वा असंबद्ध छन् भनेर निर्धारण गर्न प्रयोग गरिन्छ। धेरै सामाजिक, स्वास्थ्य, शिक्षा, मार्केटिंग, र नीति विश्लेषण अध्ययनहरूमा, अनुसन्धानकर्ताहरूले प्रायः लिङ्ग (पुरुष/महिला), धूम्रपान स्थिति (हो/होइन), शिक्षा स्तर (उच्च विद्यालय/डिप्लोमा/स्नातक डिग्री), ब्रान्ड प्राथमिकताहरू (A/B/C), र यस्तै अन्य वर्गीकृत डेटाहरू सामना गर्छन्। स्वतन्त्रताको लागि ची-स्क्वायर परीक्षणले मुख्य प्रश्नको जवाफ दिन मद्दत गर्दछ: के एउटा चरको वितरण अन्य चर वर्गहरूमा उल्लेखनीय रूपमा फरक छ?
आधारभूत अवधारणाहरू: स्वतन्त्रता भनेको के हो?
पहिलो चरमा रहेका कोटीहरूको बारेमा जानकारीले दोस्रो चरमा रहेका कोटीहरूको भविष्यवाणी गर्न मद्दत गर्दैन भने दुई चरहरूलाई स्वतन्त्र भनिन्छ। उदाहरणका लागि, यदि "लिङ्ग" र "पेय प्राथमिकता" स्वतन्त्र छन् भने, पुरुष र महिला दुवै समूहमा पेय पदार्थ प्राथमिकताको अनुपात तुलनात्मक रूपमा समान हुनेछ। यसको विपरीत, यदि अनुपातहरू उल्लेखनीय रूपमा फरक छन् भने, यसले संकेत गर्दछ कि दुई चरहरू स्वतन्त्र (सम्बद्ध) छैनन्।
स्वतन्त्रताको लागि ची-स्क्वायर परीक्षणले अवलोकन गरिएको फ्रिक्वेन्सीहरू (हामीले देख्ने वास्तविक डेटा) लाई अपेक्षित फ्रिक्वेन्सीहरू (दुई चरहरू साँच्चै स्वतन्त्र भएमा "हुनु पर्ने" फ्रिक्वेन्सीहरू) सँग तुलना गरेर काम गर्दछ। अवलोकन गरिएको र अपेक्षित मानहरू बीचको भिन्नता जति ठूलो हुन्छ, χ² तथ्याङ्कको मान त्यति नै ठूलो हुन्छ, र सम्बन्धको प्रमाण त्यति नै बलियो हुन्छ।
आकस्मिक तालिका
यस परीक्षणको लागि डेटा आकस्मिक तालिकामा व्यवस्थित गरिएको छ, जसले दुई चरहरूको वर्गीकृत संयोजनहरूको लागि फ्रिक्वेन्सीहरू प्रदर्शन गर्दछ। उदाहरणका लागि, धूम्रपान स्थिति (हो/होइन) र दीर्घकालीन खोकीको घटना (हो/होइन) बीचको सम्बन्धको जाँच गरौं। हामी प्रत्येक संयोजनमा उत्तरदाताहरूको संख्या समावेश गर्ने २x२ तालिका सिर्जना गर्नेछौं।
सामान्यतया, प्रत्येक चरमा रहेका वर्गहरूको संख्यामा निर्भर गर्दै तालिकाहरू २×२, २×३, ३×४, र यस्तै हुन सक्छन्। स्वतन्त्रताको लागि ची-स्क्वायर परीक्षण कुनै पनि आकारको तालिकाहरूको लागि प्रयोग गर्न सकिन्छ, जबसम्म निश्चित सर्तहरू पूरा हुन्छन्।
परिकल्पना परीक्षण
स्वतन्त्रताको लागि ची-स्क्वायर परीक्षणमा, परिकल्पना यो हो:
– H0 (शून्य परिकल्पना): दुवै चरहरू स्वतन्त्र छन् (कुनै सम्बन्ध/सम्बन्ध छैन)।
– H1 (वैकल्पिक परिकल्पना): दुई चरहरू स्वतन्त्र छैनन् (त्यहाँ सम्बन्ध/सम्बन्ध छ)।
परीक्षणको उद्देश्य डेटाले H0 लाई अस्वीकार गर्न पर्याप्त प्रमाण प्रदान गर्दछ कि गर्दैन भनेर निर्धारण गर्नु हो।
ची-स्क्वायर तथ्याङ्कीय सूत्र
काइ-स्क्वायर परीक्षण तथ्याङ्क सूत्र प्रयोग गरेर गणना गरिन्छ:
\[
\chi^2 = \sum \frac{(O_{ij} – E_{ij})^2}{E_{ij}}
\]
जानकारी:
– \(O_{ij}\) भनेको कक्ष पङ्क्ति-i र स्तम्भ-j मा अवलोकन आवृत्ति हो।
– \(E_{ij}\) पङ्क्ति-i र स्तम्भ-j को कक्षमा अपेक्षित आवृत्ति हो।
अपेक्षित आवृत्ति पङ्क्ति कुल र स्तम्भ कुलबाट गणना गरिन्छ:
\[
E_{ij} = \frac{(\text{कुल पङ्क्ति i}) \times (\text{कुल स्तम्भ j})}{\text{कुल कुल}}
\]
यो सूत्रले प्रत्येक पङ्क्ति र स्तम्भमा भएका वितरणहरूले एकअर्कालाई प्रभाव पारेनन् (स्वतन्त्र भए) भने के हुने अपेक्षा गरिएको थियो भनेर प्रतिबिम्बित गर्दछ।
स्वतन्त्रताको डिग्री
यस परीक्षणको लागि स्वतन्त्रताको डिग्री (df) तालिकाको आकारद्वारा निर्धारण गरिन्छ:
\[
df = (r – १)(c – १)
\]
संग:
– \(r\) = पङ्क्तिहरूको संख्या (पहिलो चर श्रेणी)
– \(c\) = स्तम्भहरूको संख्या (दोस्रो चर श्रेणी)
स्वतन्त्रताको डिग्रीले p-मान निर्धारण गर्न प्रयोग गरिने ची-स्क्वायर वितरणको आकारलाई असर गर्छ।
ची-स्क्वायर स्वतन्त्रता परीक्षण गर्ने चरणहरू
यो परीक्षण गर्ने सामान्य अनुक्रम निम्नानुसार छ:
१. डेटालाई आकस्मिक तालिकामा मिलाउनुहोस्।
सुनिश्चित गर्नुहोस् कि डेटा फ्रिक्वेन्सीको रूपमा हो, प्रतिशतको रूपमा होइन।
२. \(E_{ij}\) सूत्र प्रयोग गरेर प्रत्येक कक्षको लागि अपेक्षित आवृत्ति गणना गर्नुहोस्।
३. सबै कक्षहरूको लागि \((OE)^2/E\) को घटकहरू जोडेर χ² को मान गणना गर्नुहोस्।
४. \((r-1)(c-1)\) प्रयोग गरेर df निर्धारण गर्नुहोस्।
५. df सँग ची-स्क्वायर वितरणको आधारमा p-मान गणना गर्नुहोस् (वा गणना गरिएको χ² लाई महत्त्व स्तर α मा तालिका χ² सँग तुलना गर्नुहोस्, उदाहरणका लागि ०.०५)।
६. निर्णय लिनुहोस्।
– यदि p-मान ≤ α → H0 अस्वीकार गर्छ भने → त्यहाँ सम्बन्ध/निर्भरता हुन्छ।
– यदि p-मान > α → ले H0 लाई अस्वीकार गर्न असफल भयो → सम्बन्धको कुनै प्रमाण छैन।
७. सारभूत व्याख्या।
अनुसन्धानको सन्दर्भमा सम्बन्धको अर्थ के हो भनेर व्याख्या गर्नुहोस्, केवल "महत्वपूर्ण" वा "महत्वपूर्ण छैन" मात्र होइन।
व्याख्या उदाहरण (विस्तृत गणना बिना)
मानौं एक अनुसन्धानकर्ताले "अध्ययन विधि" (स्वतन्त्र/समूह) र "स्नातक" (पास/असफल) बीचको सम्बन्धको मूल्याङ्कन गर्दैछ। ची-स्क्वायर परीक्षण सञ्चालन गरेपछि, p-मान ०.०२ हुन्छ। α = ०.०५ को साथ, निष्कर्ष H0 लाई अस्वीकार गर्नु हो, जसले अध्ययन विधि र स्नातक बीचको सम्बन्धलाई संकेत गर्दछ। त्यसपछि अनुसन्धानकर्ताले कुन कोषहरूले सबैभन्दा ठूलो भिन्नता योगदान गर्छन् भनेर निर्धारण गर्न आवश्यक छ (उदाहरणका लागि, समूह अध्ययनले स्नातकहरूको अनुपात बढाउँछ कि बढाउँछ)। अभ्यासमा, मानकीकृत अवशेषहरू वा प्रभाव आकारहरू जाँच गरेर विश्लेषण विस्तार गर्न सकिन्छ।
महत्त्वपूर्ण सर्तहरू र धारणाहरू
यद्यपि ची-स्क्वायर गैर-प्यारामेट्रिक हो, यो परीक्षणमा धेरै महत्त्वपूर्ण आवश्यकताहरू छन्:
१. डेटा गणना (फ्रिक्वेन्सी) को रूपमा हुन्छ र प्रत्येक विषय केवल एउटा श्रेणीमा पर्दछ (परस्पर विशेष)।
२. स्वतन्त्र अवलोकनहरू, जसको अर्थ एक जना उत्तरदातालाई एक पटक भन्दा बढी गणना गर्न सकिँदैन, र अवलोकनहरू बीच कुनै जोडी सम्बन्ध छैन।
३. अपेक्षित फ्रिक्वेन्सी पर्याप्त ठूलो छ। एउटा सामान्य नियम: धेरैजसो \(E_{ij}\) मानहरू ≥ ५ हुनुपर्छ। यदि साना अपेक्षित मानहरू भएका धेरै कक्षहरू छन् भने, ची-स्क्वायर परीक्षण परिणामहरू अमान्य हुन सक्छन्।
सानो फ्रिक्वेन्सी भएका २×२ तालिकाहरूको लागि, एउटा सामान्य विकल्प फिशरको सटीक परीक्षण हो। जोडी डेटाको लागि (जस्तै, एउटै उत्तरदातामा अघि-पछि), एउटा विकल्प म्याकनेमारको परीक्षण हो।
प्रभाव आकार: केवल महत्त्वपूर्ण मात्र होइन
महत्त्वपूर्ण नतिजाको अर्थ "बलियो" सम्बन्ध हुनु आवश्यक छैन। त्यसकारण, प्रभावको आकार रिपोर्ट गर्न प्रायः सिफारिस गरिन्छ, उदाहरणका लागि:
- २×२ तालिकाको लागि Phi (φ)
- ठूला टेबलहरूको लागि Cramer's V
Cramér को V ० देखि १ सम्म हुन्छ, जसमा ठूला मानहरूले बलियो सम्बन्धलाई जनाउँछ। रिपोर्टिङ प्रभाव आकारहरूले पाठकहरूलाई सम्बन्धको अस्तित्व मात्र नभई यसको बल बुझ्न मद्दत गर्दछ।
फाइदा र सीमितताहरू
केलेबिहान:
- वर्गीकृत डेटाको लागि प्रयोग गर्न सजिलो।
- सामान्यताको धारणा आवश्यक पर्दैन।
- धेरै अनुसन्धान क्षेत्रहरूको लागि उपयुक्त।
सीमाहरू:
- नमूना आकारप्रति संवेदनशील: ठूला नमूनाहरूले साना भिन्नताहरूलाई "महत्वपूर्ण" बनाउन सक्छन्।
- सम्बन्धको दिशा प्रत्यक्ष रूपमा देखाउँदैन, तर केवल सम्बन्धको उपस्थिति/अनुपस्थिति देखाउँछ।
- यदि धेरै कोषहरूमा अपेक्षित फ्रिक्वेन्सीहरू कम छन् भने यो समस्याग्रस्त हुन्छ।
- व्याख्यालाई थप विश्लेषणद्वारा समर्थित गरिनुपर्छ (जस्तै अनुपात वा अवशेषहरू हेरेर)।
बन्द
स्वतन्त्रताको लागि ची-स्क्वायर परीक्षण दुई वर्गीकृत चरहरू बीचको सम्बन्धको अस्तित्व वा अनुपस्थितिको मूल्याङ्कन गर्नको लागि एक महत्त्वपूर्ण उपकरण हो। आकस्मिक तालिका निर्माण गरेर, अपेक्षित फ्रिक्वेन्सीहरू गणना गरेर, र χ² तथ्याङ्क प्रयोग गरेर अवलोकन गरिएको फ्रिक्वेन्सीहरूसँग तुलना गरेर, अनुसन्धानकर्ताहरूले स्वतन्त्रताको परिकल्पनालाई वस्तुनिष्ठ रूपमा परीक्षण गर्न सक्छन्। यद्यपि, एक बलियो विश्लेषण उत्पादन गर्न, अनुसन्धानकर्ताहरूले महत्त्वपूर्ण प्रभाव अवस्थित छ कि छैन भनेर निर्धारण गर्नुभन्दा बाहिर जानुपर्छ; तिनीहरूले प्रभाव आकारहरू पनि रिपोर्ट गर्नुपर्छ, अपेक्षित फ्रिक्वेन्सी आवश्यकताहरू जाँच गर्नुपर्छ, र अध्ययनको वास्तविक सन्दर्भमा निष्कर्षहरू सम्बन्धित गर्नुपर्छ। यसरी, ची-स्क्वायर परीक्षण केवल एक गणितीय प्रक्रिया मात्र होइन, तर वैज्ञानिक तर्कको अंश बन्छ जसले वर्गीकृत डेटामा सम्बन्धहरूको ढाँचाहरू बुझ्न मद्दत गर्दछ।
