Her tablo boyutu
2×2, 3×4 ya da daha büyük. Serbestlik derecesi yapıştırdığınız şekilden hesaplanır.
Araçlar / Ki-Kare Hesaplayıcı
Satır başına bir satır olacak şekilde bir çapraz tablo yapıştırın; ki-kare istatistiğini, serbestlik derecesini, p-değerini ve etki büyüklüğünü alın.
χ² = Σ (O − E)² ÷ E · df = (satırlar − 1)(sütunlar − 1)
Sonucu görmek için bir sayım tablosu yapıştırın
Satır başına bir satır, değerler virgülle ayrılmış. Satırlar bir değişken, sütunlar diğeridir.
Tam sayı olarak kişi ya da olay sayısı; asla yüzde ya da ortalama değil. Bu testte en sık yapılan hata budur.
0,05'in altı, iki değişkenin bağımsız olma ihtimalinin düşük olduğu anlamına gelir. Cramer'in V'si ilişkinin ne kadar güçlü olduğunu söyler.
İki değişken de sayı değil kategori olduğunda, aralarında ilişki olup olmadığını söyleyen test budur.
2×2, 3×4 ya da daha büyük. Serbestlik derecesi yapıştırdığınız şekilden hesaplanır.
Cramer'in V'si p-değerinin yanında durur, çünkü büyük örneklemli büyük bir tablo anlamlı çıkıp yine de önemsiz olabilir.
Herhangi bir beklenen hücre 5'in altına düşerse sonuç bunu işaretler, çünkü ki-kare yaklaşımı orada güvenilirliğini yitirir.
Yanıt seçimi bölgeye, plana ya da yaş grubuna göre değişiyor mu?
Üç ya da daha fazla varyantın dönüşüm sayılarını tek bir testte karşılaştırın.
Hem satırın hem sütunun ölçüm değil etiket olduğu her soru.
χ² = Σ (O − E)² ÷ E burada E = (satır toplamı × sütun toplamı) ÷ genel toplam · df = (satırlar − 1)(sütunlar − 1)
O bir hücrede gözlenen sayım, E ise iki değişken bağımsız olsaydı beklenecek sayımdır. Cramer'in V'si, örneklem büyüklüğünü ve tablonun küçük boyutunu kullanarak χ²'yi 0 ile 1 arasında bir etki büyüklüğüne ölçekler.
Her hücre için beklenen sayımı (satır toplamı × sütun toplamı) ÷ genel toplam olarak hesaplayın. Sonra her hücre boyunca (gözlenen − beklenen)² ÷ beklenen değerlerini toplayın.
Serbestlik derecesi (satırlar − 1) × (sütunlar − 1) olur ve p-değeri o serbestlik derecesine sahip ki-kare dağılımından gelir.
İki kategorik değişkeni kesiştiren bir sayım ızgarası. Satırlar “kuponu kullandı” ve “kullanmadı”, sütunlar “yeni müşteri” ve “geri dönen” olabilir.
Her hücre o kombinasyona düşen kişi sayısını tutar. Buraya satır başına bir satır, virgülle ayrılmış olarak girin.
Satır ve sütun değişkenlerinin bağımsız olma ihtimalinin düşük olduğu anlamına gelir. Birini bilmek diğeri hakkında size bir şey söyler.
Hangi hücrelerin sonucu sürüklediğini söylemez. Bunu bulmak için gözlenen ve beklenen sayımları hücre hücre karşılaştırın.
Ki-kareden türetilen, 0 ile 1 arasında bir etki büyüklüğü. Kabaca 0,1 zayıf, 0,3 orta ve 0,5 ile üstü güçlü bir ilişkidir.
Önemlidir, çünkü yeterince büyük bir örneklemde neredeyse her tablo istatistiksel anlamlı hale gelirken ilişki pratikte anlamsız kalabilir.
Ki-kare dağılımı bir yaklaşımdır ve beklenen hücre sayımları çok küçük olduğunda bozulur. Alışıldık rehber, beklenen sayımların çoğunun 5 ya da üzeri olması gerektiğidir.
Küçük bir 2×2 tabloda Fisher kesin testi daha iyi bir seçimdir.
Hayır. Test, değişkenliği tahmin etmek için gerçek sayımlara dayanır. Yüzde girmek bir sayı üretir ama geçerli bir test olmaz. Önce ham sayımlara geri çevirin.
Tam olarak iki grup ve tek bir evet/hayır sonucu için ikisi uyuşur, ayrıca istatistiksel anlamlılık hesaplayıcı size artışı da verir.
İkiden fazla grubunuz ya da ikiden fazla sonuç kategoriniz olduğunda ki-kare kullanın.
Hayır. Ayrıştırma ve test tarayıcınızda olur.
Taze anket yanıtları mı topluyorsunuz? Deneyin Formms kısa bağlantı ve QR'li bir form için.
Formms anketi bir prompttan kurar, sonra sayıları her an bu hesaplayıcılara geri yapıştırabilirsiniz.
Demo forma bak →