Accueil | Utiliser la mesure du chi carré dans l’exploration

La mesure du Chi carré est normalement utilisée pour tester les liens entre les facteurs directs. La spéculation non valable du test du Khi-deux est qu’il n’existe aucune relation sur les facteurs nets dans la population ; ils sont autonomes. Une question de recherche modèle qui pourrait être abordée à l’aide d’un examen du Khi-deux serait :

Existe-t-il un lien critique entre les attentes des électeurs et la participation des groupes idéologiques ?

Comment fonctionne la mesure du chi carré ?

La mesure du Chi carré est généralement utilisée pour évaluer le Trial of Freedom lorsqu’on utilise un tableau croisé (appelé aussi tableau bivarié). Le tableau croisé montre les transmissions de deux facteurs précis tout en montrant les convergences des classes de facteurs dans les cellules du tableau. Le Trial of Freedom examine s’il existe une affiliation entre les deux facteurs en comparant l’exemple observé des réactions dans les cellules à l’exemple qui serait normal si les facteurs étaient réellement autonomes l’un de l’autre. En déterminant la mesure du khi carré et en la comparant à une incitation de base de la transmission du khi carré, le scientifique peut évaluer si les décomptes des cellules observées ne sont pas fondamentalement identiques aux vérifications normales des cellules.

Le calcul de la mesure du khi-deux est très simple et naturel :

où fo = la récurrence observée (la cellule observée est incluse dans les cellules)

qui plus est, fe = la récurrence normale si AUCUNE relation n’existe entre les facteurs

Comme le montre l’équation, la mesure du khi-deux dépend du contraste entre ce qui est réellement perçu dans l’information et ce qui pourrait être normal s’il n’y avait véritablement aucun lien entre les facteurs.

Comment la mesure du Khi-deux est-elle maintenue dans SPSS et comment le rendement est-il traduit ?

La mesure du khi carré apparaît comme un choix lorsqu’il est question d’un tableau croisé dans SPSS. Le rendement est appelé test du khi-deux ; la mesure du khi-deux utilisée dans l’essai d’autonomie est marquée par le khi-deux de Pearson. Cette mesure peut être évaluée en comparant l’incitation réelle à une valeur de base trouvée dans une appropriation du Chi carré (où les degrés d’opportunité sont déterminés comme # de lignes – 1 x # de sections – 1), cependant, il est plus simple de simplement regarder le p-esteem donné par SPSS. Pour prendre une décision sur la spéculation avec 95% de certitude, la valeur nommée Asymp. Sig. (qui est la p-estimation de la mesure du Chi carré) devrait être inférieure à 0,05 (qui est le niveau alpha lié à un niveau de certitude de 95%).

La valeur p (marquée Asymp. Sig.) est-elle inférieure à 0,05 ? Si cela est vrai, nous pouvons en déduire que les facteurs ne sont pas exempts les uns des autres et qu’il existe un lien factuel entre les facteurs “all-out”.

https://www.statisticssolutions.com/wp-content/uploads/2011/05/ch3.png

http://www.statisticssolutions.com/wp-content/uploads/2011/05/ch2.png

Dans ce modèle, il y a une relation entre le fondamentalisme et les perspectives de montrer l’instruction sexuelle dans les écoles financées par le gouvernement. Alors que 17,2 % des fondamentalistes s’opposent à la présentation d’une instruction sexuelle, seuls 6,5 % des non-conformistes sont soumis à des restrictions. Le p-esteem démontre que ces facteurs ne sont pas exempts les uns des autres et qu’il existe un lien factuel notable entre les facteurs absolus.

Quelles sont les inquiétudes extraordinaires concernant la mesure du chi carré ?

L’utilisation de la mesure du khi-deux pour évaluer un tableau croisé soulève plusieurs préoccupations importantes. En raison de la manière dont la valeur du khi-deux est déterminée, il est incroyablement délicat de tester la taille – lorsque la taille de l’exemple est excessivement grande (~500), pratiquement tout petit contraste apparaîtra comme énorme sur le plan factuel. Il est en outre délicat d’effectuer le transport à l’intérieur des cellules, et SPSS donne un message d’avertissement si les cellules ont moins de 5 cas. On peut y remédier en utilisant continuellement des facteurs non atténués avec un nombre déterminé de classifications (par exemple, en consolidant les classifications s’il est important de fournir un tableau plus petit).

Insights Arrangements peut vous aider dans votre enquête quantitative en vous aidant à construire votre système et vos résultats en partie. Les administrations que nous proposons comprennent :

Plan d’enquête sur l’information

Modifiez vos questions d’exploration et vos spéculations non valables/électives

Composez votre plan d’examen des informations ; déterminez des aperçus explicites pour répondre aux questions d’exploration, aux suppositions des mesures, et légitimez pourquoi ce sont les aperçus appropriés ; donnez des références

Légitimer votre exemple de taille/examen de contrôle, donner des références

Précisez votre plan d’examen des informations afin de vous assurer que vous êtes d’accord et sûr

Deux heures d’aide supplémentaire avec votre analyste

Segment des résultats quantitatifs (mesures éclairantes, examens bivariés et multivariés, démonstration de la condition de base, enquête sur la voie, HLM, enquête de groupe)

Nettoyer et coder l’ensemble des données

Mesures éclairantes du plomb (c’est-à-dire moyenne, écart type, récurrence et pourcentage, selon le cas)

Diriger des examens pour examiner chacune de vos questions d’exploration

Résultats de l’examen

Donnez à l’APA les tableaux et les chiffres de la sixième version

Clarifier les découvertes de la quatrième partie

Progresser dans le soutien aux résultats globaux – aperçu partiel