Home | Utilizzo della misura del chi-quadrato nell’esplorazione

La misura del Chi-quadrato viene normalmente utilizzata per testare le connessioni tra i fattori reali. La speculazione non valida del test del Chi-quadrato è che non esiste alcuna relazione sui fattori evidenti nella popolazione; essi sono autonomi. Una domanda di ricerca modello che potrebbe essere affrontata utilizzando un esame del Chi-Square sarebbe:

C’è una connessione critica tra le aspettative degli elettori e la partecipazione ideologica del gruppo?

Come funziona la misurazione del Chi-quadro?

La misurazione del Chi-quadro è normalmente utilizzata per valutare il Trial of Freedom quando si utilizza una crosstabulazione (altrimenti chiamata tabella bivariata). La crosstabulazione mostra le trasmissioni di due fattori ben definiti, con le convergenze delle classi dei fattori che compaiono nelle celle della tabella. Il Trial of Freedom rileva se esiste un’affiliazione tra i due fattori contrastando l’esempio osservato di reazioni nelle cellule con l’esempio che sarebbe normale se i fattori fossero veramente autonomi l’uno dall’altro. Accertare la misurazione del Chi-quadro e confrontarla con un incentivo di base del trasporto del Chi-quadro permette allo scienziato di valutare se i conteggi delle cellule osservate non sono fondamentalmente gli stessi dei normali controlli delle cellule.

Il calcolo della misura del Chi-Square è molto semplice e naturale:

dove fo = la ricorrenza osservata (l’osservato include nelle celle)

per di più, fe = la normale ricorrenza se non esiste una relazione tra i fattori

Come rappresentato nell’equazione, la misura del Chi-quadrato dipende dal contrasto tra ciò che si vede realmente nelle informazioni e ciò che potrebbe essere normale se non ci fosse una reale connessione tra i fattori.

Come viene mantenuta la misura del Chi-quadrato in SPSS e come viene tradotto il rendimento?

La misurazione del Chi-quadrato si presenta come una scelta quando si parla di una crosstabulazione in SPSS. Il rendimento è denominato Chi-Square Tests; la misura del Chi-Square utilizzata nel Trial of Autonomy è contrassegnata dal Chi-Square di Pearson. Questa misura può essere valutata confrontando il reale incentivo con un valore di base che si trova in un’appropriazione del Chi-Square (dove i gradi di opportunità sono determinati come # di linee – 1 x # di sezioni – 1), tuttavia, è più semplice guardare solo il p-estema dato da SPSS. Per prendere una decisione sulla speculazione con il 95% di certezza, il valore chiamato Asymp. Sig. (che è la p-estima della misura del Chi-quadrato) dovrebbe essere inferiore a .05 (che è il livello alfa relativo ad un livello di certezza del 95%).

La p-stima p (contrassegnata con Asymp. Sig.) è inferiore a .05? A condizione che ciò sia vero, possiamo dedurre che i fattori non sono liberi l’uno dall’altro e che c’è una connessione fattuale tra i fattori a tutto campo.

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

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

In questo modello, c’è una relazione tra fondamentalismo e prospettive di mostrare l’istruzione sessuale nelle scuole finanziate dal governo. Mentre il 17,2% dei fondamentalisti contraddice l’insegnamento del sesso, solo il 6,5% dei non conformisti è limitato. La p-estima dimostra che questi fattori non sono liberi l’uno dall’altro e che c’è una connessione degna di nota tra i fattori assoluti.

Quali sono le preoccupazioni straordinarie per quanto riguarda la misurazione del Chi-quadrato?

Ci sono varie contemplazioni significative quando si utilizza la misura del Chi-quadrato per valutare una crosstabulazione. Come risultato di come viene determinato il valore del Chi-quadro, è incredibilmente delicato testare la dimensione – quando la dimensione dell’esempio è eccessivamente grande (~500), praticamente ogni piccolo contrasto si mostrerà di fatto enorme. È inoltre delicato per il trasporto all’interno delle celle, e SPSS dà un messaggio di ammonizione se le celle hanno meno di 5 casi. A questo si può tendere utilizzando continuamente fattori non attenuati con un certo numero di classificazioni (ad esempio, consolidando le classificazioni se è importante consegnare una tabella più piccola).

Insights Arrangements può aiutare nella vostra indagine quantitativa aiutandovi a costruire il vostro sistema e i risultati in parti. Le amministrazioni che offriamo includono:

Piano di indagine informativa

Modificare le domande di esplorazione e le speculazioni non valide/elettive

Comporre il piano d’esame delle informazioni; determinare gli approfondimenti espliciti per affrontare le domande di esplorazione, le supposizioni delle misurazioni e legittimare il motivo per cui sono gli approfondimenti adatti; fornire i riferimenti

Legittimare l’esame di dimensione/controllo di esempio, fornire referenze

Chiarite il vostro piano di esame delle informazioni in modo che siate gradevoli e sicuri

Due ore di aiuto extra con il vostro analista

Segmento Risultati Quantitativi (Misure Illuminanti, Esami Bivariati e Multivariati, Dimostrazione delle Condizioni di Base, Indagine di Percorso, HLM, Indagine di Gruppo)

Set di dati puliti e codificati

Misure di illuminazione del piombo (cioè, media, deviazione standard, ricorrenza e percentuale, come appropriato)

Condurre esami per esaminare tutte le vostre domande di esplorazione

Esamina i risultati

Date ad APA le tabelle e le cifre della sesta release di APA

Chiarire le scoperte della parte 4

Progressivo supporto per l’intero processo di analisi dei risultati