Учись работать с SPSS!быстрая и профессиональная обработка данных
психологических исследований
Типичные задачи
Легко решаемые
с помощью программы SPSS.
SPSS для профи
Специальные возможности
программы SPSS.
Вопросы и ответы
Часто задаваемые
вопросы по использованию
программы.
  добавить в избранное :: ссылки ::
http://gardenpark.center/ Ландшафтный дизайн Киев курс Ландшафтный дизайн.
     :: Коэффициенты корреляции

Главная страничка
Учебники по SPSS
Непараметрич- тесты <<

Необходимые файлы:
wuerfel.sav
bohnen.sav

 

Отдельный тест по критерию хи-квадрат

С помощью этого теста проверяют, насколько значительно отличаются друг от друга наблюдаемые и ожидаемые частоты переменных, относящихся к номинальной шкале. Как правило, при этом ожидаемая частота подчиняется равномерному распределения; однако в SPSS существует возможность задать соответствующие пропорции.

Одним из примеров ожидаемого равномерного распределения частот являются кости. Предположим, Вы бросили один игральную кость 3000 раз и получили следующее частоты для выпавших очков.

Число очков

Частота

Число очков

Частота

1

511

4

498

2

472

5

513

3

572

6

434

Исходя из предположения об идеальности игральную кость (равной вероятности выпадения любого числа очков), ожидаемая частота для каждого из выпавших чисел составит 3000 / 6 = 500. Необходимо проверить, значимо ли отличаются наблюдаемые частоты от ожидаемых. Данные, а именно переменные augen (число очков) и n (частота), находятся в файле wuerfel.sav. Последнюю переменную следует применить в качестве весовой переменной.

  •  Откройте файл wuerfel.sav.

  •  Сначала выберите в меню Data (Данные) Weight Case (Взвесить наблюдения)

  •  Переменную n объявите частотной, выберите в меню Analyze (Анализ) Nonparametric Tests (Непараметрические тесты) Chi-Square (Хи-квадрат) Откроется диалоговое окно Chi-Square Test (Тест хи-квадрат) (см. рис. 1).

  •  Перенесите переменную augen в поле тестируемых переменных.

Если Вы, как в рассматриваемом примере, хотите подвергнуть анализу все категории тестируемых переменных, то оставьте в разделе Expected range (Ожидаемый диапазон) включённой опцию Get from Data (Из исходных данных); в противном случае у Вас есть возможность ограничить вовлекаемые категории посредством ввода нижней и верхней границ. Так как ожидаемые частоты одинаковы для всех категорий (была принята гипотеза о равномерном распределении), то эта предварительная установка остаётся в силе.

После нажатия кнопки Опции... у Вас появится возможность организовать вывод характеристик дескриптивной статистики и квартилей (что в данном случае является абсолютно бессмысленным).

  •  Запустите расчёт путём нажатия ОК.

В окне просмотра появятся следующие результаты:

Augenzahl (Число очков)

Observed N (Наблюдаемое N)

Expected N (Ожидаемое N)

Residuals (остатки)

1

511

500,0

11,0

2

472

500,0

-28,0

3

572

500,0

72,0

4

498

500,0

-2,0

5

513

500,0

13,0

6

434

500,0

-66,0

Total (Сумма)

3000

Test Statistics (Статистика теста)

Augenzahl (Число)

Chi-Square (Хи-квадрат) а

21,236

Df

5

Asymp. Sig. (Статистическая значимость)

,001

a. 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 500,0. (В 0 ячеек (,0%) ожидаемая частота имеет значение менее 5. Минимальная ожидаемая частота в одной ячейке равна 500,0.)

Получилось очень значимое значение критерия хи-квадрат (р = 0,001). В рассматриваемом случае желателен вывод не абсолютных, а стандартизированных остатков, определяемых по формуле:

 

Рис. 1: Диалоговое окно СЫ-Square Test (Хи-квадрат-тест)

. При помощи основополагающего правила, можно точно определить те категории, для которых наблюдается значительное отклонение наблюдаемых частот от ожидаемых:

Стандартизированные остатки >= 2,0 указывают на значительное, >= 2,6 на очень значительное и >= 3,3 на сверх значительное отклонение. Если следовать этому правилу, то в экспериментах с игральной костью наблюдается очень значимое превышение количества выпадений 3 очков и очень, очень значимое занижение количества выпадений 6 очков.

Во втором примере, который принадлежит к области ботаники, нужно проверить не равномерное распределение, а наличие распределения подчиняющегося заданному соотношению.

Потомки трёх сортов бобовой культуры были разделены на три типа, которые находятся в соотношении между собой как 1:2:1. Во время некоторого эксперимента, проведенного с сотней таких потомков тип 1 появился 29 раз, тип 2 — 44 раза и тип 3 — 27 раз. Необходимо исследовать значительно ли отклоняется полученное распределение от теоретического распределения 1:2:1.

Данные находятся в файле bohnen.sav, причём переменная typ соответствует типу, а переменная n частоте.

  •  Откройте файл bohnen.sav.

  •  Сначала действуйте так же, как в первом примере, и взвесьте наблюдения с частотной переменной n.

  •  В диалоговом окне Chi-Square Test (тест Хи-квадрат) присвойте переменной typ статус тестируемой переменной.

  •  В поле Expected values (Ожидаемые значения) активируйте в этот раз опцию Values (Значения). Введите числа 1, 2 и 1 в предусмотренное для этого поле, и щёлкните дополнительно на кнопке Add (Добавить).

  •  Запустите расчёт путём нажатия ОК. В окне просмотра появятся следующие результаты:

Тур (Тип)

Observed N (Наблюдаемое N)

Expected N (Ожидаемое N )

Residual (Остаток)

1

29

25,0

4,0

2

44

50,0

-6,0

3

27

25,0

2,0

Total (Сумма)

100

Test Statistics (Статистика теста)

Тур (Тип)

Chi-Square (Хи-квадрат) а

1,520

Of

2

Asymp. Sig. (Статистическая значимость)

,468

а. 0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 25,0. (В 0 ячеек (,0%) ожидаемая частота имеет значение менее 5. Минимальная ожидаемая частота в одной ячейке равна 25,0.)

Ожидаемые частоты выстроены в соответствии с заданным соотношением. На сей раз значимого отклонения наблюдаемых частот от ожидаемых не наблюдается (р = 0,468).

назад :: оглавление :: дальше


 
© 2005 learnSPSS.ru. Все права защищены.