Jak obliczyć test chi kwadrat?
Test chi-kwadrat oblicza się, porównując wartości zaobserwowane z oczekiwanymi. Podstawowy wzór to χ² = Σ((O − E)² / E), gdzie O oznacza wartość obserwowaną, a E wartość oczekiwaną. Następnie wynik interpretuje się za pomocą stopni swobody i wartości p.
Czym jest test chi-kwadrat?
Chi-kwadrat służy do analizy danych kategorycznych, czyli takich, które można przypisać do kategorii nominalnych lub porządkowych. Test pozwala sprawdzić, czy różnice między rzeczywistymi liczebnościami a wartościami oczekiwanymi są na tyle duże, że trudno uznać je za przypadkowe.
Stosuje się dwa podstawowe warianty. Test zgodności sprawdza, czy rozkład jednej zmiennej odpowiada założonemu rozkładowi teoretycznemu. Test niezależności bada, czy istnieje zależność między dwiema zmiennymi, na przykład między wykształceniem a paleniem papierosów.
Założenia testu chi-kwadrat
Przed rozpoczęciem obliczeń sprawdź, czy dane spełniają podstawowe warunki:
- Dane dotyczą zmiennych kategorycznych, nominalnych lub porządkowych.
- Każda obserwacja należy do jednej kategorii i obserwacje są od siebie niezależne.
- Wartość oczekiwana E w komórkach tabeli powinna wynosić co najmniej 5.
- Dane są liczebnościami, a nie średnimi, procentami ani pojedynczymi pomiarami ilościowymi.
Warunek E ≥ 5 ma znaczenie dla wiarygodności przybliżenia rozkładem chi-kwadrat. Gdy w wielu komórkach występują małe wartości oczekiwane, wynik może być niestabilny. W tabeli 2 × 2 można rozważyć test dokładny Fishera, a w większych tabelach często łączy się podobne kategorie.
Jak obliczyć test chi-kwadrat ręcznie?
Przykład dotyczy związku między wykształceniem a paleniem papierosów. Załóżmy, że zebrano następujące dane:
| Wykształcenie | Pali | Nie pali | Suma |
|---|---|---|---|
| Niższe | 30 | 20 | 50 |
| Wyższe | 20 | 30 | 50 |
| Suma | 50 | 50 | 100 |
- Utwórz tabelę kontyngencji. Wpisz do niej rzeczywiste liczebności, czyli wartości obserwowane O. Suma wszystkich obserwacji w przykładzie wynosi 100.
- Oblicz wartości oczekiwane. Dla każdej komórki użyj wzoru E = (suma wiersza × suma kolumny) / suma całkowita. Dla kategorii „Niższe” i „Pali” otrzymujemy E = (50 × 50) / 100 = 25. Ponieważ wszystkie sumy brzegowe są tutaj równe 50, wartość oczekiwana w każdej komórce również wynosi 25.
- Oblicz składnik statystyki dla każdej komórki. Zastosuj wzór (O − E)² / E.
- Zsumuj wszystkie składniki. Otrzymana suma jest wartością statystyki χ².
Wzór ogólny wygląda następująco:
χ² = Σ((O − E)² / E)
W tym przykładzie obliczenia przedstawiają się tak:
| Kategoria | Obserwowane O | Oczekiwane E | (O − E)² / E |
|---|---|---|---|
| Niższe, pali | 30 | 25 | 1 |
| Niższe, nie pali | 20 | 25 | 1 |
| Wyższe, pali | 20 | 25 | 1 |
| Wyższe, nie pali | 30 | 25 | 1 |
Suma składników wynosi χ² = 4. Im większe są różnice między O i E, tym większa będzie wartość statystyki. Jeżeli wartości obserwowane są bardzo podobne do oczekiwanych, wynik chi-kwadrat będzie mały.
Jak zinterpretować wynik?
Sama wartość χ² nie wystarcza do wyciągnięcia wniosku. Trzeba uwzględnić stopnie swobody. Dla tabeli kontyngencji oblicza się je według wzoru:
df = (r − 1) × (c − 1)
Litera r oznacza liczbę wierszy, a c liczbę kolumn. W tabeli 2 × 2 mamy df = (2 − 1) × (2 − 1) = 1.
Następnie możesz porównać obliczoną wartość χ² z wartością krytyczną z tablic rozkładu albo odczytać wartość p z programu statystycznego. Przy poziomie istotności α = 0,05 dla df = 1 wartość krytyczna wynosi około 3,841. Ponieważ w przykładzie χ² = 4, wynik przekracza tę wartość.
| Wartość p | Decyzja | Interpretacja |
|---|---|---|
| p < 0,05 | Odrzucenie hipotezy zerowej | Wynik wskazuje na istotną statystycznie zależność lub różnicę. |
| p ≥ 0,05 | Brak podstaw do odrzucenia hipotezy zerowej | Nie wykazano istotnej statystycznie zależności. |
| p bardzo małe | Silne przesłanki przeciw hipotezie zerowej | Różnica między O i E jest trudna do wyjaśnienia samym przypadkiem. |
Hipoteza zerowa w teście niezależności zakłada brak związku między zmiennymi. Jeżeli p < 0,05, odrzucasz tę hipotezę i stwierdzasz, że dane wskazują na istotną zależność. Nie oznacza to jednak, że test pokazuje siłę tej zależności. Do tego celu można użyć na przykład współczynnika V Craméra.
Jak obliczyć test chi-kwadrat w Excelu?
W Excelu przygotuj dwa zakresy o takim samym układzie. Pierwszy powinien zawierać liczebności obserwowane, a drugi wartości oczekiwane. Wynik p uzyskasz za pomocą funkcji:
CHI.TEST(zakres_rzeczywisty; zakres_oczekiwany)
Przykładowo, jeśli dane obserwowane znajdują się w zakresie A2:B3, a oczekiwane w D2:E3, użyj formuły =CHI.TEST(A2:B3;D2:E3). Oba zakresy muszą mieć tę samą liczbę wierszy i kolumn. Funkcja zwraca wartość p, dlatego nie zastępuje obliczenia wartości oczekiwanych ani sprawdzenia założeń.
Co zrobić przy małych liczebnościach?
Jeśli wartości oczekiwane są mniejsze niż 5, najpierw sprawdź, czy można połączyć kategorie o podobnym znaczeniu. Zmniejszenie liczby kategorii często poprawia czytelność tabeli i zwiększa liczebności w komórkach. Taką zmianę trzeba jednak uzasadnić merytorycznie, a nie wykonywać wyłącznie po to, aby uzyskać istotny wynik.
W praktyce lepiej zaplanować niewielką liczbę sensownie zdefiniowanych kategorii niż tworzyć bardzo rozbudowaną tabelę z wieloma pustymi lub prawie pustymi komórkami. Przy małych próbach rozważ także metodę przeznaczoną do takich danych, na przykład test dokładny Fishera.
Najważniejsza kolejność działań jest prosta: przygotuj tabelę, oblicz wartości oczekiwane, policz składniki według wzoru, zsumuj je, wyznacz stopnie swobody i sprawdź wartość p. Dopiero wtedy formułuj wniosek o zależności między zmiennymi.

Artykuł nie stanowi porady inwestycyjnej lub finansowej



