آزادی کے لیے چی مربع ٹیسٹ

چی اسکوائر ٹیسٹ برائے آزادی

آزادی کے لیے chi-square (χ²) ٹیسٹ ایک نان پیرامیٹرک شماریاتی طریقہ ہے جو اکثر اس بات کا تعین کرنے کے لیے استعمال کیا جاتا ہے کہ آیا دو متغیر متغیرات (نامزد یا عام پیمانہ) ایک دوسرے سے متعلق ہیں یا غیر متعلق ہیں۔ بہت سے سماجی، صحت، تعلیم، مارکیٹنگ، اور پالیسی تجزیہ مطالعات میں، محققین کو اکثر واضح اعداد و شمار کا سامنا کرنا پڑتا ہے جیسے کہ جنس (مرد/خواتین)، تمباکو نوشی کی حیثیت (ہاں/نہیں)، تعلیمی سطح (ہائی اسکول/ڈپلومہ/بیچلر ڈگری)، برانڈ کی ترجیحات (A/B/C)، وغیرہ۔ آزادی کے لیے chi-square ٹیسٹ بنیادی سوال کا جواب دینے میں مدد کرتا ہے: کیا ایک متغیر کی تقسیم دیگر متغیر زمروں میں نمایاں طور پر مختلف ہے؟

بنیادی تصورات: آزادی کیا ہے؟

دو متغیرات کو آزاد کہا جاتا ہے اگر پہلے متغیر میں زمرہ جات کے بارے میں معلومات دوسرے متغیر میں زمرہ جات کی پیش گوئی کرنے میں مدد نہیں کرتی ہیں۔ مثال کے طور پر، اگر "جنس" اور "مشروبات کی ترجیح" آزاد ہیں، تو مشروبات کی ترجیحات کا تناسب مرد اور خواتین دونوں گروپوں میں نسبتاً یکساں ہوگا۔ اس کے برعکس، اگر تناسب نمایاں طور پر مختلف ہے، تو اس سے ظاہر ہوتا ہے کہ دو متغیرات آزاد (متعلق) نہیں ہیں۔

آزادی کے لیے chi-square ٹیسٹ مشاہدہ شدہ تعدد (اصل ڈیٹا جو ہم دیکھتے ہیں) کا متوقع تعدد کے ساتھ موازنہ کرتے ہوئے کام کرتا ہے (وہ تعدد جو "ہونا چاہیے" اگر دو متغیر واقعی آزاد تھے)۔ مشاہدہ شدہ اور متوقع اقدار کے درمیان جتنا زیادہ فرق ہوگا، χ² کے اعدادوشمار کی قدر اتنی ہی زیادہ ہوگی، اور رشتہ کا ثبوت اتنا ہی مضبوط ہوگا۔

ہنگامی جدول

اس ٹیسٹ کے لیے ڈیٹا کو ایک ہنگامی جدول میں ترتیب دیا گیا ہے، جو دو متغیرات کے واضح امتزاج کے لیے تعدد کو ظاہر کرتا ہے۔ مثال کے طور پر، آئیے تمباکو نوشی کی حیثیت (ہاں/نہیں) اور دائمی کھانسی کے واقعات (ہاں/نہیں) کے درمیان تعلق کا جائزہ لیتے ہیں۔ ہم ایک 2x2 جدول بنائیں گے جس میں ہر ایک مجموعہ میں جواب دہندگان کی تعداد ہوگی۔

عام طور پر، میزیں 2×2، 2×3، 3×4، وغیرہ ہو سکتی ہیں، ہر متغیر میں کیٹیگریز کی تعداد پر منحصر ہے۔ آزادی کے لیے chi-square ٹیسٹ کو کسی بھی سائز کی میزوں کے لیے استعمال کیا جا سکتا ہے، جب تک کہ کچھ شرائط پوری ہوں۔

مفروضہ ٹیسٹ

آزادی کے لیے چی مربع ٹیسٹ میں، مفروضہ یہ ہے:

- H0 (نال مفروضہ): دونوں متغیرات آزاد ہیں (کوئی رشتہ/وابستگی نہیں)۔
– H1 (متبادل مفروضہ): دو متغیرات آزاد نہیں ہیں (ایک رشتہ/وابستگی ہے)۔

ٹیسٹ کا مقصد یہ طے کرنا ہے کہ آیا ڈیٹا H0 کو مسترد کرنے کے لیے کافی ثبوت فراہم کرتا ہے۔

چی مربع شماریاتی فارمولہ

chi-square ٹیسٹ کے اعدادوشمار کا حساب فارمولہ استعمال کرتے ہوئے کیا جاتا ہے:

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

معلومات:
- \(O_{ij}\) سیل رو-i اور کالم-j میں مشاہدے کی فریکوئنسی ہے۔
- \(E_{ij}\) قطار-i اور کالم-j کے سیل میں متوقع تعدد ہے۔

متوقع تعدد کا حساب قطار کے کل اور کالم کے کل سے کیا جاتا ہے:

\[
E_{ij} = frac{(\text{کل قطار i}) \times (\text{کل کالم j})}{\text{گرینڈ کل}}
\]

یہ فارمولہ اس بات کی عکاسی کرتا ہے کہ اگر ہر قطار اور کالم میں تقسیم ایک دوسرے پر اثر انداز نہیں ہوتی (آزاد تھے) تو کیا ہونے کی توقع کی جائے گی۔

آزادی کی ڈگریاں

اس ٹیسٹ کے لیے آزادی کی ڈگری (df) کا تعین ٹیبل کے سائز سے کیا جاتا ہے:

\[
df = (r - 1) (c - 1)
\]

کے ساتھ:
- \(r\) = قطاروں کی تعداد (پہلا متغیر زمرہ)
- \(c\) = کالموں کی تعداد (دوسری متغیر زمرہ)

آزادی کی ڈگریاں chi-square کی تقسیم کی شکل کو متاثر کرتی ہیں جو p-value کا تعین کرنے کے لیے استعمال ہوتی ہے۔

چی اسکوائر آزادی ٹیسٹ کو انجام دینے کے اقدامات

اس ٹیسٹ کو انجام دینے کا عمومی سلسلہ درج ذیل ہے:

1. ڈیٹا کو ہنگامی جدول میں ترتیب دیں۔
یقینی بنائیں کہ ڈیٹا تعدد کی شکل میں ہے، فیصد نہیں۔

2. فارمولہ \(E_{ij}\) کا استعمال کرتے ہوئے ہر سیل کے لیے متوقع تعدد کا حساب لگائیں۔

3. تمام خلیات کے لیے \((OE)^2/E\) کے اجزاء کو جمع کرکے χ² کی قدر کا حساب لگائیں۔

4. \((r-1)(c-1)\) کا استعمال کرتے ہوئے df کا تعین کریں۔

5. chi-square کی تقسیم کی بنیاد پر df کے ساتھ p-value کا حساب لگائیں (یا χ² کا موازنہ ٹیبل χ² کے ساتھ اہمیت کی سطح α پر کریں، مثال کے طور پر 0,05)۔

6. فیصلہ کریں۔
– اگر p-value ≤ α → Reject H0 → ایک رشتہ/انحصار ہے۔
– اگر p-value > α → H0 کو مسترد کرنے میں ناکام ہو جاتا ہے → تعلق کا کوئی ثبوت نہیں۔

7. بنیادی تشریح۔
وضاحت کریں کہ تحقیق کے تناظر میں تعلق کا کیا مطلب ہے، نہ صرف "اہم" یا "اہم نہیں۔"

تشریح کی مثال (تفصیلی حساب کے بغیر)

فرض کریں کہ ایک محقق "مطالعہ کا طریقہ" (آزاد/گروپ) اور "گریجویشن" (پاس/فیل) کے درمیان تعلق کا جائزہ لے رہا ہے۔ chi-square ٹیسٹ کرنے کے بعد، p-value 0,02 ہے۔ α = 0,05 کے ساتھ، نتیجہ H0 کو مسترد کرنا ہے، جو کہ مطالعہ کے طریقہ کار اور گریجویشن کے درمیان تعلق کو ظاہر کرتا ہے۔ اس کے بعد محقق کو یہ تعین کرنے کی ضرورت ہوتی ہے کہ کون سے خلیات سب سے زیادہ فرق ڈالتے ہیں (مثال کے طور پر، آیا گروپ اسٹڈی سے فارغ التحصیل افراد کے تناسب میں اضافہ ہوتا ہے)۔ عملی طور پر، تجزیہ کو معیاری بقایا جات یا اثر کے سائز کی جانچ کر کے بڑھایا جا سکتا ہے۔

اہم شرائط اور مفروضے۔

اگرچہ chi-square نان پیرامیٹرک ہے، لیکن اس ٹیسٹ میں کئی اہم تقاضے ہیں:

1. ڈیٹا شمار (تعدد) کی شکل میں ہے اور ہر مضمون صرف ایک زمرے میں آتا ہے (باہمی خصوصی)۔
2. آزاد مشاہدات، مطلب یہ ہے کہ ایک جواب دہندہ کو ایک سے زیادہ مرتبہ شمار نہیں کیا جا سکتا، اور مشاہدات کے درمیان کوئی جوڑا تعلق نہیں ہے۔
3. متوقع تعدد کافی بڑی ہے۔ انگوٹھے کا ایک عام اصول: زیادہ تر \(E_{ij}\) قدریں ≥ 5 ہونی چاہئیں۔ اگر چھوٹی متوقع قدروں کے ساتھ بہت زیادہ سیلز ہیں، تو chi-square ٹیسٹ کے نتائج غلط ہو سکتے ہیں۔

چھوٹی فریکوئنسی کے ساتھ 2×2 ٹیبلز کے لیے، ایک عام متبادل فشر کا عین مطابق ٹیسٹ ہے۔ جوڑا بنائے گئے ڈیٹا کے لیے (مثال کے طور پر، ایک ہی جواب دہندہ سے پہلے اور بعد میں)، ایک متبادل میکنمر کا ٹیسٹ ہے۔

اثر کا سائز: صرف اہم نہیں۔

ایک اہم نتیجہ کا مطلب لازمی طور پر "مضبوط" رشتہ نہیں ہے۔ لہذا، اکثر اثر کے سائز کی اطلاع دینے کی سفارش کی جاتی ہے، مثال کے طور پر:

- Phi (φ) 2×2 ٹیبل کے لیے
- بڑی میزوں کے لیے Cramér's V

Cramér's V کی رینج 0 سے 1 تک ہوتی ہے، بڑی قدروں کے ساتھ ایک مضبوط ایسوسی ایشن کی نشاندہی ہوتی ہے۔ اثر کے سائز کی اطلاع دینے سے قارئین کو تعلق کی مضبوطی کو سمجھنے میں مدد ملتی ہے، نہ صرف اس کے وجود کو۔

فوائد اور حدود

فوائد:
- واضح ڈیٹا کے لیے استعمال میں آسان۔
- معمول کے مفروضے کی ضرورت نہیں ہے۔
- بہت سے تحقیقی شعبوں کے لیے موزوں ہے۔

کیٹرباٹاسن:
- نمونے کے سائز کے لیے حساس: بڑے نمونے چھوٹے فرق کو "اہم" بنا سکتے ہیں۔
- براہ راست تعلقات کی سمت نہیں دکھاتا ہے، لیکن صرف کسی انجمن کی موجودگی/غیر موجودگی کو ظاہر کرتا ہے۔
- اگر بہت سے خلیوں میں متوقع تعدد چھوٹی ہو تو یہ مشکل ہے۔
- تشریح کو اضافی تجزیے کے ذریعے سپورٹ کیا جانا چاہیے (مثلاً تناسب یا بقایا کو دیکھنا)۔

بند کرنا

chi-square test for independence دو واضح متغیرات کے درمیان تعلق کی موجودگی یا عدم موجودگی کا اندازہ لگانے کا ایک اہم ذریعہ ہے۔ ایک ہنگامی جدول بنا کر، متوقع تعدد کا حساب لگا کر، اور χ² کے اعدادوشمار کا استعمال کرتے ہوئے مشاہدہ شدہ تعدد سے ان کا موازنہ کرکے، محققین آزادی کے مفروضے کو معروضی طور پر جانچ سکتے ہیں۔ تاہم، ایک مضبوط تجزیہ پیش کرنے کے لیے، محققین کو اس بات کا تعین کرنے سے آگے جانا چاہیے کہ آیا کوئی اہم اثر موجود ہے یا نہیں۔ انہیں اثر کے سائز کی بھی اطلاع دینی چاہیے، متوقع تعدد کی ضروریات کا جائزہ لینا چاہیے، اور نتائج کو مطالعہ کے بنیادی سیاق و سباق سے جوڑنا چاہیے۔ اس طرح، chi-square ٹیسٹ صرف ایک ریاضیاتی طریقہ کار سے زیادہ بن جاتا ہے، لیکن سائنسی استدلال کا حصہ ہے جو واضح اعداد و شمار میں تعلقات کے نمونوں کو سمجھنے میں مدد کرتا ہے۔