Home | Verwendung der Chi-Quadrat-Messung in der Exploration

Die Chi-Quadrat-Messung wird normalerweise zum Testen von Verbindungen zwischen regelrechten Faktoren verwendet. Die ungültige Spekulation des Chi-Quadrat-Tests besteht darin, dass keine Beziehung zu den eindeutigen Faktoren in der Bevölkerung besteht; sie sind autonom. Eine Modellforschungsfrage, die mit Hilfe einer Chi-Quadrat-Untersuchung angegangen werden könnte, wäre

Gibt es einen kritischen Zusammenhang zwischen Wählererwartung und ideologischer Gruppenbeteiligung?

Wie funktioniert die Chi-Quadrat-Messung?

Die Chi-Quadrat-Messung wird in der Regel zur Beurteilung des Trial of Freedom verwendet, wenn eine Kreuztabelle (auch bivariate Tabelle genannt) verwendet wird. Die Kreuztabelle zeigt die Übertragungen von zwei eindeutigen Faktoren an, wobei die Konvergenzen der Klassen der Faktoren in den Zellen der Tabelle angezeigt werden. Der Trial of Freedom untersucht, ob eine Zugehörigkeit zwischen den beiden Faktoren besteht, indem das beobachtete Beispiel der Reaktionen in den Zellen dem Beispiel gegenübergestellt wird, das normal wäre, wenn die Faktoren wirklich unabhängig voneinander wären. Durch die Ermittlung der Chi-Quadrat-Messung und deren Gegenüberstellung mit einem grundlegenden Anreiz aus der Chi-Quadrat-Übertragung kann der Wissenschaftler beurteilen, ob die beobachteten Zellübereinstimmungen grundsätzlich nicht ganz dieselben sind wie die normalen Zellüberprüfungen.

Die Berechnung der Chi-Quadrat-Messung ist sehr unkompliziert und natürlich:

wobei fo = die beobachtete Wiederholung (die beobachtete Wiederholung umfasst in den Zellen)

außerdem fe = das normale Rezidiv, wenn KEINE Beziehung zwischen den Faktoren bestand

Wie in der Gleichung dargestellt, hängt die Chi-Quadrat-Messung vom Kontrast zwischen dem ab, was in der Information wirklich gesehen wird, und dem, was normal sein könnte, wenn es wirklich keinen Zusammenhang zwischen den Faktoren gäbe.

Wie wird die Chi-Quadrat-Messung in SPSS weitergeführt und wie wird der Ertrag übersetzt?

Die Chi-Quadrat-Messung taucht als Wahl auf, wenn eine Kreuztabelle in SPSS erwähnt wird. Die Ausbeute wird Chi-Quadrat-Tests genannt; die Chi-Quadrat-Messung, die im Autonomiestudium verwendet wird, ist mit Pearson Chi-Quadrat gekennzeichnet. Diese Messung kann bewertet werden, indem man den realen Anreiz einem Grundwert gegenüberstellt, der in einer Chi-Quadrat-Aneignung gefunden wird (wobei der Grad der Chance als Anzahl der Linien – 1 x Anzahl der Abschnitte – 1 bestimmt wird), es ist jedoch einfacher, einfach das von SPSS gegebene p-Aspekt zu betrachten. Um eine Entscheidung über die Spekulation mit 95%iger Sicherheit zu treffen, wird der Wert als Asymp bezeichnet. Sig. (das ist die p-Schätzung der Chi-Quadrat-Messung) unter 0,05 liegen (das ist das Alpha-Niveau bezogen auf ein 95%iges Gewissheitsniveau).

Liegt der p-Wert (bezeichnet als Asymp. Sig.) unter 0,05? Unter der Voraussetzung, dass dies zutrifft, können wir daraus ableiten, dass die Faktoren nicht frei voneinander sind und dass es einen faktischen Zusammenhang zwischen den allumfassenden Faktoren gibt.

In diesem Modell gibt es eine Beziehung zwischen Fundamentalismus und Perspektiven zur Darstellung von Sexualkundeunterricht in staatlich finanzierten Schulen. Während 17,2% der Fundamentalisten dem Sexualkundeunterricht widersprechen, werden nur 6,5% der Nonkonformisten eingeschränkt. Die p-Bewertung zeigt, dass diese Faktoren nicht frei voneinander sind und dass zwischen den absoluten Faktoren ein sachlich bemerkenswerter Zusammenhang besteht.

Was sind ausserordentliche Bedenken bezüglich der Chi-Quadrat-Messung?

Es gibt verschiedene bedeutsame Überlegungen, wenn man die Chi-Quadrat-Messung zur Beurteilung einer Kreuzstabilisierung verwendet. Aufgrund der Art und Weise, wie der Chi-Quadrat-Wert bestimmt wird, ist es unglaublich heikel, die Grösse zu testen – wenn die Beispielgrösse übermässig gross ist (~500), wird praktisch jeder kleine Kontrast faktisch riesig erscheinen. Es ist zusätzlich heikel für den Transport innerhalb der Zellen, und SPSS gibt eine mahnende Botschaft aus, wenn die Zellen weniger als 5 Fälle haben. Dies kann durch die kontinuierliche Verwendung von ungemilderten Faktoren mit einer bestimmten Anzahl von Klassifikationen erreicht werden (z.B. durch die Konsolidierung von Klassifikationen, wenn diese wichtig sind, um eine kleinere Tabelle zu liefern).

Insights Arrangements können Ihnen bei Ihrer quantitativen Untersuchung helfen, indem sie Ihnen helfen, Ihr System und Ihre Ergebnisse in Teilen aufzubauen. Die Verwaltungen, die wir anbieten, umfassen:

Plan zur Untersuchung von Informationen

Ändern Sie Ihre Explorationsfragen und ungültige/selektive Spekulationen

Stellen Sie Ihren Informationsprüfungsplan zusammen; legen Sie explizite Einsichten fest, um die Explorationsfragen und die Vermutungen der Messungen zu behandeln, und legitimieren Sie, warum sie die geeigneten Einsichten sind; geben Sie Referenzen

Legitimieren Sie Ihre Beispielgröße/Kontrollprüfung, geben Sie Referenzen

Klären Sie Ihren Informationsprüfungsplan mit Ihnen ab, damit Sie damit einverstanden und sicher sind

Zwei Stunden zusätzliche Hilfe mit Ihrem Analysten

Quantitatives Ergebnissegment (aufschlussreiche Messungen, bivariate und multivariate Untersuchungen, Demonstration des Grundzustands, Weguntersuchung, HLM, Gruppenuntersuchung)

Datensätze bereinigen und codieren

Führen Sie aufschlussreiche Messungen durch (d.h. Mittelwert, Standardabweichung, Rezidiv und Prozent, wie es sich gehört)

Führen Sie Prüfungen durch, um jede einzelne Ihrer Forschungsfragen zu untersuchen

Ergebnisse der Überprüfung

Geben Sie Tabellen und Abbildungen der sechsten APA-Veröffentlichung

Klarstellung der Entdeckungen aus Teil 4

Fortschreitende Unterstützung für ganze Ergebnisse – teilweise Erkenntnisse