స్వాతంత్ర్యం కోసం చి స్క్వేర్ పరీక్ష

స్వాతంత్ర్యం కోసం చి-స్క్వేర్ పరీక్ష

స్వాతంత్ర్యం కోసం చేసే చి-స్క్వేర్ (χ²) పరీక్ష అనేది ఒక నాన్‌పారామెట్రిక్ గణాంక పద్ధతి. రెండు వర్గీకృత చరరాశులు (నామినల్ లేదా ఆర్డినల్ స్కేల్) సంబంధం కలిగి ఉన్నాయో లేదో నిర్ధారించడానికి దీనిని చాలా తరచుగా ఉపయోగిస్తారు. అనేక సామాజిక, ఆరోగ్య, విద్యా, మార్కెటింగ్ మరియు విధాన విశ్లేషణ అధ్యయనాలలో, పరిశోధకులు తరచుగా లింగం (పురుషుడు/స్త్రీ), ధూమపాన స్థితి (అవును/కాదు), విద్యా స్థాయి (హైస్కూల్/డిప్లొమా/బ్యాచిలర్ డిగ్రీ), బ్రాండ్ ప్రాధాన్యతలు (A/B/C) వంటి వర్గీకృత డేటాను ఎదుర్కొంటారు. స్వాతంత్ర్యం కోసం చేసే చి-స్క్వేర్ పరీక్ష ఈ ప్రధాన ప్రశ్నకు సమాధానం ఇవ్వడానికి సహాయపడుతుంది: ఒక చరరాశి యొక్క పంపిణీ ఇతర చరరాశి వర్గాలలో గణనీయంగా భిన్నంగా ఉందా?

ప్రాథమిక భావనలు: స్వాతంత్ర్యం అంటే ఏమిటి?

మొదటి వేరియబుల్‌లోని వర్గాల గురించిన సమాచారం, రెండవ వేరియబుల్‌లోని వర్గాలను అంచనా వేయడానికి సహాయపడకపోతే, ఆ రెండు వేరియబుల్స్‌ను స్వతంత్రమైనవి అంటారు. ఉదాహరణకు, ఒకవేళ "లింగం" మరియు "పానీయాల ప్రాధాన్యత" స్వతంత్రమైనవి అయితే, పురుషులు మరియు మహిళల రెండు సమూహాలలో పానీయాల ప్రాధాన్యతల నిష్పత్తి దాదాపుగా సమానంగా ఉంటుంది. దీనికి విరుద్ధంగా, నిష్పత్తులు గణనీయంగా భిన్నంగా ఉంటే, ఆ రెండు వేరియబుల్స్ స్వతంత్రమైనవి (సంబంధం ఉన్నవి) కావని ఇది సూచిస్తుంది.

స్వాతంత్ర్యం కోసం చేసే చి-స్క్వేర్ పరీక్ష, గమనించిన పౌనఃపున్యాలను (మనం చూసే వాస్తవ డేటా) ఆశించిన పౌనఃపున్యాలతో (రెండు చరరాశులు నిజంగా స్వతంత్రంగా ఉంటే "సంభవించవలసిన" ​​పౌనఃపున్యాలు) పోల్చడం ద్వారా పనిచేస్తుంది. గమనించిన మరియు ఆశించిన విలువల మధ్య వ్యత్యాసం ఎంత ఎక్కువగా ఉంటే, χ² గణాంకం విలువ అంత ఎక్కువగా ఉంటుంది, మరియు సంబంధానికి సాక్ష్యం అంత బలంగా ఉంటుంది.

ఆకస్మిక పట్టిక

ఈ పరీక్షకు సంబంధించిన డేటా ఒక కంటింజెన్సీ పట్టికలో క్రమబద్ధీకరించబడింది, ఇది రెండు వేరియబుల్స్ యొక్క వర్గీకృత కలయికల కోసం ఫ్రీక్వెన్సీలను ప్రదర్శిస్తుంది. ఉదాహరణకు, ధూమపానం చేసే స్థితి (అవును/కాదు) మరియు దీర్ఘకాలిక దగ్గు సంభవించడం (అవును/కాదు) మధ్య సంబంధాన్ని పరిశీలిద్దాం. ప్రతి కలయికలోని ప్రతిస్పందనదారుల సంఖ్యను కలిగి ఉన్న 2x2 పట్టికను మనం సృష్టిస్తాము.

సాధారణంగా, ప్రతి వేరియబుల్‌లోని కేటగిరీల సంఖ్యను బట్టి పట్టికలు 2×2, 2×3, 3×4, మొదలైనవిగా ఉండవచ్చు. కొన్ని షరతులు నెరవేరినంత వరకు, ఏ పరిమాణంలోని పట్టికలకైనా స్వాతంత్ర్యం కోసం చి-స్క్వేర్ పరీక్షను ఉపయోగించవచ్చు.

పరికల్పన పరీక్ష

స్వాతంత్ర్యం కోసం చేసే చి-స్క్వేర్ పరీక్షలో, పరికల్పన ఈ విధంగా ఉంటుంది:

– H0 (శూన్య పరికల్పన): రెండు చరరాశులు స్వతంత్రమైనవి (సంబంధం/అనుబంధం లేదు).
– H1 (ప్రత్యామ్నాయ పరికల్పన): రెండు చరరాశులు స్వతంత్రమైనవి కావు (వాటి మధ్య సంబంధం/అనుబంధం ఉంది).

H0ను తిరస్కరించడానికి డేటా తగినంత సాక్ష్యాలను అందిస్తుందో లేదో నిర్ధారించడమే ఈ పరీక్ష యొక్క ఉద్దేశ్యం.

చి-స్క్వేర్ గణాంక సూత్రం

చి-స్క్వేర్ పరీక్ష గణాంకాన్ని ఈ సూత్రాన్ని ఉపయోగించి లెక్కిస్తారు:

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

Keterangan:
– \(O_{ij}\) అనేది సెల్ వరుస-i మరియు నిలువు-j లోని పరిశీలన పౌనఃపున్యం.
– \(E_{ij}\) అనునది iవ అడ్డువరుస మరియు jవ నిలువువరుసలోని సెల్‌లో ఆశించిన పౌనఃపున్యం.

వరుస మొత్తం మరియు నిలువు మొత్తం నుండి ఆశించిన ఫ్రీక్వెన్సీని లెక్కిస్తారు:

\[
E_{ij} = \frac{(\text{iవ అడ్డువరుస మొత్తం}) \times (\text{jవ నిలువువరుస మొత్తం})}{\text{మొత్తం}}
\]

ప్రతి అడ్డువరుస మరియు నిలువువరుసలోని పంపిణీలు ఒకదానికొకటి ప్రభావితం చేయనప్పుడు (స్వతంత్రంగా ఉన్నప్పుడు) ఏమి జరగవచ్చో ఈ సూత్రం ప్రతిబింబిస్తుంది.

స్వేచ్ఛా డిగ్రీలు

ఈ పరీక్షకు సంబంధించిన స్వేచ్ఛా డిగ్రీలు (df) పట్టిక పరిమాణం ద్వారా నిర్ణయించబడతాయి:

\[
df = (r – 1)(c – 1)
\]

తో:
– \(r\) = అడ్డు వరుసల సంఖ్య (మొదటి వేరియబుల్ వర్గం)
– \(c\) = నిలువు వరుసల సంఖ్య (రెండవ వేరియబుల్ వర్గం)

p-విలువను నిర్ధారించడానికి ఉపయోగించే చి-స్క్వేర్ పంపిణీ యొక్క ఆకారాన్ని స్వేచ్ఛా డిగ్రీలు ప్రభావితం చేస్తాయి.

చి-స్క్వేర్ స్వాతంత్ర్య పరీక్షను నిర్వహించడానికి దశలు

ఈ పరీక్షను నిర్వహించడానికి సాధారణ క్రమం ఈ క్రింది విధంగా ఉంది:

1. దత్తాంశాన్ని ఒక ఆకస్మిక పట్టికలో అమర్చండి.
డేటా శాతాల రూపంలో కాకుండా, పౌనఃపున్యాల రూపంలో ఉండేలా చూసుకోండి.

2. \(E_{ij}\) సూత్రాన్ని ఉపయోగించి ప్రతి సెల్ యొక్క ఆశించిన ఫ్రీక్వెన్సీని లెక్కించండి.

3. అన్ని సెల్‌ల కోసం \((OE)^2/E\) యొక్క భాగాలను కూడటం ద్వారా χ² విలువను లెక్కించండి.

4. \((r-1)(c-1)\) ఉపయోగించి df ని కనుగొనండి.

5. df తో చి-స్క్వేర్ పంపిణీ ఆధారంగా p-విలువను లెక్కించండి (లేదా లెక్కించిన χ² ను ప్రాముఖ్యత స్థాయి α, ఉదాహరణకు 0,05 వద్ద పట్టిక χ² తో పోల్చండి).

6. ఒక నిర్ణయం తీసుకోండి.
– ఒకవేళ p-విలువ ≤ α అయితే → H0 ను తిరస్కరించండి → ఒక సంబంధం/ఆధారపడటం ఉంది.
– ఒకవేళ p-విలువ > α అయితే → H0 ను తిరస్కరించడంలో విఫలమవుతుంది → సంబంధానికి ఎటువంటి ఆధారం లేదు.

7. సారాంశ వివరణ.
కేవలం “ముఖ్యమైనది” లేదా “ముఖ్యమైనది కాదు” అని కాకుండా, పరిశోధన సందర్భంలో ఆ సంబంధం యొక్క అర్థాన్ని వివరించండి.

వివరణాత్మక ఉదాహరణ (వివరణాత్మక గణనలు లేకుండా)

ఒక పరిశోధకుడు 'అధ్యయన పద్ధతి' (స్వతంత్ర/సమూహ) మరియు 'పట్టభద్రత' (పాస్/ఫెయిల్) మధ్య సంబంధాన్ని అంచనా వేస్తున్నాడని అనుకుందాం. చి-స్క్వేర్ పరీక్ష నిర్వహించిన తర్వాత, p-విలువ 0,02గా వచ్చింది. α = 0,05తో, అధ్యయన పద్ధతి మరియు పట్టభద్రత మధ్య సంబంధం ఉందని సూచిస్తూ, H0ను తిరస్కరించాలనేది నిర్ధారణకు రావాలి. అప్పుడు పరిశోధకుడు ఏ సెల్‌లు అతిపెద్ద వ్యత్యాసానికి దోహదపడతాయో నిర్ధారించాల్సి ఉంటుంది (ఉదాహరణకు, సమూహ అధ్యయనం పట్టభద్రుల నిష్పత్తిని పెంచుతుందా లేదా). ఆచరణలో, ప్రామాణిక అవశేషాలు లేదా ప్రభావ పరిమాణాలను పరిశీలించడం ద్వారా విశ్లేషణను విస్తరించవచ్చు.

ముఖ్యమైన పదాలు మరియు అంచనాలు

చి-స్క్వేర్ నాన్‌పారామెట్రిక్ అయినప్పటికీ, ఈ పరీక్షకు అనేక ముఖ్యమైన అవసరాలు ఉన్నాయి:

1. డేటా గణనల (ఫ్రీక్వెన్సీ) రూపంలో ఉంటుంది మరియు ప్రతి అంశం ఒకే వర్గంలోకి వస్తుంది (పరస్పర ప్రత్యేకమైనది).
2. స్వతంత్ర పరిశీలనలు, అంటే ఒక ప్రతివాదిని ఒకసారి కంటే ఎక్కువసార్లు లెక్కించకూడదు మరియు పరిశీలనల మధ్య జత సంబంధం ఉండదు.
3. ఆశించిన పౌనఃపున్యం తగినంత ఎక్కువగా ఉంది. ఒక సాధారణ నియమం: చాలా వరకు \(E_{ij}\) విలువలు ≥ 5 ఉండాలి. తక్కువ ఆశించిన విలువలు ఉన్న సెల్‌లు చాలా ఎక్కువగా ఉంటే, చి-స్క్వేర్ పరీక్ష ఫలితాలు చెల్లనివి కావచ్చు.

తక్కువ ఫ్రీక్వెన్సీలు గల 2×2 పట్టికల కోసం, ఫిషర్ ఎగ్జాక్ట్ టెస్ట్ ఒక సాధారణ ప్రత్యామ్నాయం. జత చేసిన డేటా కోసం (ఉదాహరణకు, ఒకే ప్రతివాదికి సంబంధించిన ముందు-తర్వాత డేటా), మెక్‌నెమార్ టెస్ట్ ఒక ప్రత్యామ్నాయం.

ప్రభావ పరిమాణం: కేవలం గణనీయమైనది మాత్రమే కాదు

గణనీయమైన ఫలితం అంటే తప్పనిసరిగా “బలమైన” సంబంధం అని అర్థం కాదు. అందువల్ల, ప్రభావ పరిమాణాన్ని నివేదించాలని తరచుగా సిఫార్సు చేయబడుతుంది, ఉదాహరణకు:

– 2×2 పట్టికకు ఫై (φ)
– పెద్ద పట్టికల కోసం క్రామెర్స్ V

క్రామెర్ యొక్క V విలువ 0 నుండి 1 వరకు ఉంటుంది, ఇందులో అధిక విలువలు బలమైన సంబంధాన్ని సూచిస్తాయి. ప్రభావ పరిమాణాలను నివేదించడం ద్వారా, పాఠకులు సంబంధం యొక్క ఉనికిని మాత్రమే కాకుండా, దాని బలాన్ని కూడా అర్థం చేసుకోగలుగుతారు.

ప్రయోజనాలు మరియు పరిమితులు

కెలేబిహాన్:
– వర్గీకృత డేటా కోసం ఉపయోగించడం సులభం.
– సాధారణత అనే ఊహ అవసరం లేదు.
– అనేక పరిశోధనా రంగాలకు అనువైనది.

పరిమితులు:
– నమూనా పరిమాణానికి సున్నితమైనది: పెద్ద నమూనాలు చిన్న తేడాలను “గణనీయమైనవిగా” మార్చగలవు.
– సంబంధం యొక్క దిశను నేరుగా చూపించదు, కానీ ఒక అనుబంధం యొక్క ఉనికి/లేకపోవడాన్ని మాత్రమే చూపిస్తుంది.
– అనేక కణాలకు తక్కువ అంచనా పౌనఃపున్యాలు ఉంటే అది సమస్యాత్మకం.
– వివరణకు అదనపు విశ్లేషణ (ఉదా. నిష్పత్తులు లేదా అవశేషాలను చూడటం) మద్దతుగా ఉండాలి.

పెనుటప్

రెండు వర్గీకృత చరరాశుల మధ్య సంబంధం ఉనికిని లేదా లేకపోవడాన్ని అంచనా వేయడానికి స్వాతంత్ర్యాన్ని నిర్ధారించే చి-స్క్వేర్ పరీక్ష ఒక ముఖ్యమైన సాధనం. ఒక ఆకస్మిక పట్టికను నిర్మించడం, ఆశించిన పౌనఃపున్యాలను లెక్కించడం, మరియు χ² గణాంకాన్ని ఉపయోగించి వాటిని గమనించిన పౌనఃపున్యాలతో పోల్చడం ద్వారా, పరిశోధకులు స్వాతంత్ర్య పరికల్పనను నిష్పాక్షికంగా పరీక్షించగలరు. అయితే, ఒక పటిష్టమైన విశ్లేషణను రూపొందించడానికి, పరిశోధకులు ఒక ముఖ్యమైన ప్రభావం ఉందో లేదో నిర్ధారించడంతో ఆగకూడదు; వారు ప్రభావ పరిమాణాలను కూడా నివేదించాలి, ఆశించిన పౌనఃపున్య అవసరాలను పరిశీలించాలి, మరియు కనుగొన్న విషయాలను అధ్యయనం యొక్క వాస్తవ సందర్భానికి ముడిపెట్టాలి. అందువల్ల, చి-స్క్వేర్ పరీక్ష కేవలం ఒక గణిత ప్రక్రియగా మాత్రమే కాకుండా, వర్గీకృత దత్తాంశంలోని సంబంధాల నమూనాలను అర్థం చేసుకోవడంలో సహాయపడే శాస్త్రీయ తార్కికంలో ఒక భాగంగా మారుతుంది.