ස්වාධීනත්වය සඳහා චි වර්ග පරීක්ෂණය

ස්වාධීනත්වය සඳහා චි-චතුරස්‍ර පරීක්ෂණය

ස්වාධීනත්වය සඳහා වන කයි-චතුරස්‍ර (χ²) පරීක්ෂණය යනු පරාමිතික නොවන සංඛ්‍යානමය ක්‍රමයක් වන අතර එය වර්ගීකරණ විචල්‍ය දෙකක් (නාමික හෝ සාමාන්‍ය පරිමාණය) සම්බන්ධද නැතහොත් අසම්බන්ධද යන්න තීරණය කිරීමට බොහෝ විට භාවිතා වේ. බොහෝ සමාජ, සෞඛ්‍ය, අධ්‍යාපන, අලෙවිකරණ සහ ප්‍රතිපත්ති විශ්ලේෂණ අධ්‍යයනයන්හිදී, පර්යේෂකයන්ට බොහෝ විට ස්ත්‍රී පුරුෂ භාවය (පිරිමි/ගැහැණු), දුම්පාන තත්ත්වය (ඔව්/නැත), අධ්‍යාපන මට්ටම (උසස් පාසල්/ඩිප්ලෝමා/උපාධිය), වෙළඳ නාම මනාපයන් (A/B/C) යනාදී වර්ගීකරණ දත්ත හමු වේ. ස්වාධීනත්වය සඳහා වන කයි-චතුරස්‍ර පරීක්ෂණය මූලික ප්‍රශ්නයට පිළිතුරු දීමට උපකාරී වේ: එක් විචල්‍යයක ව්‍යාප්තිය අනෙකුත් විචල්‍ය කාණ්ඩ හරහා සැලකිය යුතු ලෙස වෙනස්ද?

මූලික සංකල්ප: ස්වාධීනත්වය යනු කුමක්ද?

පළමු විචල්‍යයේ කාණ්ඩ පිළිබඳ තොරතුරු දෙවන විචල්‍යයේ කාණ්ඩ පුරෝකථනය කිරීමට උපකාරී නොවන්නේ නම් විචල්‍ය දෙකක් ස්වාධීන යැයි කියනු ලැබේ. උදාහරණයක් ලෙස, "ලිංගභේදය" සහ "පාන මනාපය" ස්වාධීන නම්, පිරිමි සහ ගැහැණු කණ්ඩායම් දෙකෙහිම පාන මනාපයන්ගේ අනුපාතය සාපේක්ෂව සමාන වනු ඇත. අනෙක් අතට, අනුපාතයන් සැලකිය යුතු ලෙස වෙනස් නම්, මෙයින් ඇඟවෙන්නේ විචල්‍ය දෙක ස්වාධීන නොවන බවයි (සම්බන්ධ).

ස්වාධීනත්වය සඳහා වන කයි-වර්ග පරීක්ෂණය ක්‍රියාත්මක වන්නේ නිරීක්ෂණය කරන ලද සංඛ්‍යාත (අප දකින සත්‍ය දත්ත) අපේක්ෂිත සංඛ්‍යාත (විචල්‍ය දෙක සැබවින්ම ස්වාධීන නම් "සිදුවිය යුතු" සංඛ්‍යාත) සමඟ සංසන්දනය කිරීමෙනි. නිරීක්ෂණය කරන ලද සහ අපේක්ෂිත අගයන් අතර වෙනස වැඩි වන තරමට, χ² සංඛ්‍යාලේඛනයේ අගය වැඩි වන අතර සම්බන්ධතාවයක සාක්ෂි ශක්තිමත් වේ.

හදිසි අවස්ථා වගුව

මෙම පරීක්ෂණය සඳහා දත්ත හදිසි අවස්ථා වගුවකට සංවිධානය කර ඇති අතර, එය විචල්‍ය දෙකක වර්ගීකරණ සංයෝජන සඳහා සංඛ්‍යාත පෙන්වයි. උදාහරණයක් ලෙස, දුම්පාන තත්ත්වය (ඔව්/නැත) සහ නිදන්ගත කැස්ස ඇතිවීම (ඔව්/නැත) අතර සම්බන්ධතාවය පරීක්ෂා කරමු. එක් එක් සංයෝජනයේ ප්‍රතිචාර දැක්වූවන් සංඛ්‍යාව අඩංගු 2x2 වගුවක් අපි නිර්මාණය කරමු.

සාමාන්‍යයෙන්, වගු 2×2, 2×3, 3×4 යනාදී වශයෙන් විය හැකි අතර, එය එක් එක් විචල්‍යයේ කාණ්ඩ ගණන අනුව වෙනස් වේ. යම් යම් කොන්දේසි සපුරා ඇති තාක් කල්, ස්වාධීනත්වය සඳහා වන කයි-වර්ග පරීක්ෂණය ඕනෑම ප්‍රමාණයක වගු සඳහා භාවිතා කළ හැකිය.

කල්පිත පරීක්ෂණය

ස්වාධීනත්වය සඳහා කයි-චතුරස්‍ර පරීක්ෂණයේදී, කල්පිතය වන්නේ:

– H0 (ශුන්‍ය කල්පිතය): විචල්‍ය දෙකම ස්වාධීන වේ (සම්බන්ධතාවයක්/සම්බන්ධතාවයක් නොමැත).
– H1 (විකල්ප කල්පිතය): විචල්‍ය දෙක ස්වාධීන නොවේ (සම්බන්ධතාවයක්/සම්බන්ධතාවයක් ඇත).

පරීක්ෂණයේ අරමුණ වන්නේ දත්ත H0 ප්‍රතික්ෂේප කිරීමට ප්‍රමාණවත් සාක්ෂි සපයන්නේද යන්න තීරණය කිරීමයි.

චි-චතුරස්‍ර සංඛ්‍යාන සූත්‍රය

කයි-වර්ග පරීක්ෂණ සංඛ්‍යාලේඛනය සූත්‍රය භාවිතයෙන් ගණනය කෙරේ:

\[
\chi^2 = \sum \frac{(O_{ij} – E_{ij})^2}{E_{ij}}
\]

කෙතරංගන්:
– \(O_{ij}\) යනු සෛල පේළිය-i සහ තීරුව-j හි නිරීක්ෂණ සංඛ්‍යාතයයි.
– \(E_{ij}\) යනු පේළිය-i සහ තීරුව-j හි කොටුවේ අපේක්ෂිත සංඛ්‍යාතයයි.

අපේක්ෂිත සංඛ්‍යාතය ගණනය කරනු ලබන්නේ පේළියේ සහ තීරුවල එකතුවෙනි:

\[
E_{ij} = \frac{(\පෙළ{මුළු පේළිය i}) \times (\පෙළ{මුළු තීරුව j})}{\පෙළ{මහා එකතුව}}
\]

මෙම සූත්‍රය මඟින් එක් එක් පේළියේ සහ තීරුවේ ඇති බෙදාහැරීම් එකිනෙකට බලපෑම් නොකළහොත් (ස්වාධීන වූ විට) අපේක්ෂා කරන දේ පිළිබිඹු වේ.

නිදහසේ උපාධි

මෙම පරීක්ෂණය සඳහා නිදහස් අංශක (df) වගුවේ ප්‍රමාණය අනුව තීරණය වේ:

\[
df = (r – 1)(c – 1)
\]

සමඟ:
– \(r\) = පේළි ගණන (පළමු විචල්‍ය කාණ්ඩය)
– \(c\) = තීරු ගණන (දෙවන විචල්‍ය කාණ්ඩය)

නිදහසේ අංශක, p-අගය තීරණය කිරීමට භාවිතා කරන කයි-වර්ග ව්‍යාප්තියේ හැඩයට බලපායි.

චි-චතුරස්‍ර ස්වාධීනතා පරීක්ෂණය සිදු කිරීමට පියවර

මෙම පරීක්ෂණය සිදු කිරීම සඳහා වන පොදු අනුපිළිවෙල පහත දැක්වේ:

1. දත්ත හදිසි අවස්ථා වගුවකට සකසන්න.
දත්ත ප්‍රතිශත ස්වරූපයෙන් නොව සංඛ්‍යාත ස්වරූපයෙන් ඇති බවට වග බලා ගන්න.

2. \(E_{ij}\) සූත්‍රය භාවිතයෙන් එක් එක් සෛලය සඳහා අපේක්ෂිත සංඛ්‍යාතය ගණනය කරන්න.

3. සියලුම සෛල සඳහා \((OE)^2/E\) හි සංරචක සාරාංශ කිරීමෙන් χ² හි අගය ගණනය කරන්න.

4. \((r-1)(c-1)\) භාවිතා කර df නිර්ණය කරන්න.

5. df සමඟ කයි-වර්ග ව්‍යාප්තිය මත පදනම්ව p-අගය ගණනය කරන්න (නැතහොත් ගණනය කරන ලද χ², α වැදගත්කම මට්ටමේ χ² වගුව සමඟ සංසන්දනය කරන්න, උදාහරණයක් ලෙස 0,05).

6. තීරණයක් ගන්න.
– p-අගය ≤ α → H0 ප්‍රතික්ෂේප කරන්නේ නම් → සම්බන්ධතාවයක්/යැපීමක් පවතී.
– p-අගය > α → H0 ප්‍රතික්ෂේප කිරීමට අසමත් වුවහොත් → සම්බන්ධතාවය පිළිබඳ සාක්ෂි නොමැත.

7. සාරභූත අර්ථ නිරූපණය.
"සැලකිය යුතු" හෝ "සැලකිය යුතු නොවන" යන්න පමණක් නොව, පර්යේෂණයේ සන්දර්භය තුළ සම්බන්ධතාවයේ තේරුම පැහැදිලි කරන්න.

අර්ථකථන උදාහරණය (සවිස්තරාත්මක ගණනය කිරීම් නොමැතිව)

පර්යේෂකයෙකු "අධ්‍යයන ක්‍රමය" (ස්වාධීන/කණ්ඩායම්) සහ "උපාධිය" (සමත්/අසමත්) අතර සම්බන්ධතාවය තක්සේරු කරන්නේ යැයි සිතමු. කයි-වර්ග පරීක්ෂණයක් පැවැත්වීමෙන් පසු, p-අගය 0,02 වේ. α = 0,05 සමඟ, නිගමනය වන්නේ අධ්‍යයන ක්‍රමය සහ උපාධිය අතර සම්බන්ධතාවයක් පෙන්නුම් කරමින් H0 ප්‍රතික්ෂේප කිරීමයි. එවිට පර්යේෂකයා විශාලතම වෙනසට දායක වන සෛල මොනවාද යන්න තීරණය කළ යුතුය (නිදසුනක් ලෙස, කණ්ඩායම් අධ්‍යයනය උපාධිධාරීන්ගේ අනුපාතය වැඩි කරයිද යන්න). ප්‍රායෝගිකව, සම්මත අවශේෂ හෝ බලපෑම් ප්‍රමාණයන් පරීක්ෂා කිරීමෙන් විශ්ලේෂණය පුළුල් කළ හැකිය.

වැදගත් නියමයන් සහ උපකල්පන

කයි-චතුරස්‍රය පරාමිතික නොවන නමුත්, මෙම පරීක්ෂණයට වැදගත් අවශ්‍යතා කිහිපයක් තිබේ:

1. දත්ත ගණන් (සංඛ්‍යාත) ආකාරයෙන් වන අතර එක් එක් විෂය එක් කාණ්ඩයකට පමණක් (අන්‍යෝන්‍ය වශයෙන් බැහැර) අයත් වේ.
2. ස්වාධීන නිරීක්ෂණ, එනම් එක් ප්‍රතිචාර දක්වන්නෙකු එක් වරකට වඩා ගණන් කළ නොහැකි අතර, නිරීක්ෂණ අතර යුගල සම්බන්ධතාවයක් නොමැත.
3. අපේක්ෂිත සංඛ්‍යාතය ප්‍රමාණවත් තරම් විශාලයි. පොදු රීතියක්: බොහෝ \(E_{ij}\) අගයන් ≥ 5 විය යුතුය. කුඩා අපේක්ෂිත අගයන් සහිත සෛල ඕනෑවට වඩා තිබේ නම්, කයි-වර්ග පරීක්ෂණ ප්‍රතිඵල අවලංගු විය හැකිය.

කුඩා සංඛ්‍යාත සහිත 2×2 වගු සඳහා, පොදු විකල්පයක් වන්නේ ෆිෂර්ගේ නිරවද්‍ය පරීක්ෂණයයි. යුගල කළ දත්ත සඳහා (උදා: එකම ප්‍රතිචාරකයාගේ පෙර-පසු), විකල්පයක් වන්නේ මැක්නෙමාර්ගේ පරීක්ෂණයයි.

බලපෑම් ප්‍රමාණය: සැලකිය යුතු පමණක් නොවේ

සැලකිය යුතු ප්‍රතිඵලයක් යනු අනිවාර්යයෙන්ම "ශක්තිමත්" සම්බන්ධතාවයක් අදහස් නොවේ. එබැවින්, බොහෝ විට බලපෑම් ප්‍රමාණය වාර්තා කිරීම නිර්දේශ කෙරේ, උදාහරණයක් ලෙස:

– 2×2 වගුව සඳහා Phi (φ)
– විශාල වගු සඳහා Cramér's V

Cramér හි V අගය 0 සිට 1 දක්වා පරාසයක පවතින අතර, විශාල අගයන් ශක්තිමත් සම්බන්ධතාවයක් පෙන්නුම් කරයි. වාර්තාකරණ බලපෑම් ප්‍රමාණයන් පාඨකයන්ට සම්බන්ධතාවයේ පැවැත්ම පමණක් නොව එහි ශක්තිය තේරුම් ගැනීමට උපකාරී වේ.

වාසි සහ සීමාවන්

අතිරික්තය:
- වර්ගීකරණ දත්ත සඳහා භාවිතා කිරීමට පහසුය.
– සාමාන්‍යභාවය පිළිබඳ උපකල්පනය අවශ්‍ය නොවේ.
- බොහෝ පර්යේෂණ ක්ෂේත්‍ර සඳහා සුදුසු වේ.

සීමාවන්:
– සාම්පල ප්‍රමාණයට සංවේදී: විශාල සාම්පල කුඩා වෙනස්කම් "සැලකිය යුතු" කළ හැක.
– සම්බන්ධතාවයේ දිශාව කෙලින්ම නොපෙන්වයි, නමුත් සංගමයක පැවැත්ම/නොපැවතීම පමණි.
– බොහෝ සෛලවල අපේක්ෂිත සංඛ්‍යාත කුඩා නම් එය ගැටළු සහගතය.
- අර්ථ නිරූපණයට අතිරේක විශ්ලේෂණයන් මගින් සහාය විය යුතුය (උදා: සමානුපාතිකයන් හෝ අවශේෂ දෙස බැලීම).

වසා දැමීම

ස්වාධීනත්වය සඳහා වන කයි-වර්ග පරීක්ෂණය වර්ගීකරණ විචල්‍ය දෙකක් අතර සම්බන්ධතාවයක පැවැත්ම හෝ නොපැවතීම තක්සේරු කිරීම සඳහා වැදගත් මෙවලමකි. හදිසි අවස්ථා වගුවක් ගොඩනැගීමෙන්, අපේක්ෂිත සංඛ්‍යාත ගණනය කිරීමෙන් සහ χ² සංඛ්‍යාලේඛනය භාවිතයෙන් නිරීක්ෂණය කරන ලද සංඛ්‍යාත සමඟ ඒවා සංසන්දනය කිරීමෙන්, පර්යේෂකයන්ට ස්වාධීනත්වය පිළිබඳ කල්පිතය වෛෂයිකව පරීක්ෂා කළ හැකිය. කෙසේ වෙතත්, ශක්තිමත් විශ්ලේෂණයක් නිෂ්පාදනය කිරීම සඳහා, පර්යේෂකයන් සැලකිය යුතු බලපෑමක් තිබේද නැද්ද යන්න තීරණය කිරීමෙන් ඔබ්බට යා යුතුය; ඔවුන් බලපෑම් ප්‍රමාණයන් වාර්තා කළ යුතුය, අපේක්ෂිත සංඛ්‍යාත අවශ්‍යතා පරීක්ෂා කළ යුතු අතර, සොයාගැනීම් අධ්‍යයනයේ සාරභූත සන්දර්භයට සම්බන්ධ කළ යුතුය. මේ අනුව, කයි-වර්ග පරීක්ෂණය ගණිතමය ක්‍රියා පටිපාටියකට වඩා වැඩි යමක් බවට පත්වේ, නමුත් වර්ගීකරණ දත්තවල සම්බන්ධතා රටා තේරුම් ගැනීමට උපකාරී වන විද්‍යාත්මක තර්කනයේ කොටසක් බවට පත්වේ.