Interprétation des résultats principaux pour la fonction Test d'association du Khi deux

Suivez les étapes ci-dessous pour interpréter un test d'association du Khi deux. Les résultats principaux incluent les valeurs de p, les dénombrements de cellules et la contribution de chaque cellule à la statistique du Khi deux.

Etape 1 : Déterminer si l'association entre les variables est statistiquement significative

Pour déterminer si les variables sont indépendantes, comparez la valeur de p au seuil de signification. En général, un seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification de 0,05 indique 5 % de risque de conclure à tort qu'il existe une association.
Valeur de p ≤ α : les variables présentent une association statistiquement significative (rejeter H0)
Si la valeur de p est inférieure ou égale au seuil de signification, vous pouvez rejeter l'hypothèse nulle et conclure qu'il existe une association statistiquement significative entre les variables.
Valeur de p > α : impossible de conclure que les variables sont associées (ne pas rejeter H0)
Si la valeur de p est supérieure au seuil de signification, vous ne pouvez pas rejeter l'hypothèse nulle, car vous ne possédez pas suffisamment de preuves pour conclure que les variables sont associées.
Test du Khi deux Valeur Khi deux DL de P Pearson 11,788 4 0,019 Rapport de vraisemblance 11,816 4 0,019
Résultats principaux : valeur de p pour le Khi deux de Pearson, valeur de p pour le Khi deux du rapport de vraisemblance

Dans ces résultats, la statistique du Khi deux de Pearson est de 11,788 et la valeur de p = 0,019. La statistique du Khi deux de vraisemblance est de 11,816 et la valeur de p = 0,019. Avec un seuil de signification de 0,05, vous pouvez donc conclure que l'association entre les variables est statistiquement significative.

Etape 2 : Examiner les différences entre les dénombrements attendus et observés pour déterminer les niveaux de variables ayant l'impact le plus important sur l'association

Pour déterminer les niveaux de variables ayant l'impact le plus important, comparez les dénombrements attendus et observés, ou étudiez la contribution au Khi deux.

En étudiant les différences entre dénombrements de cellules observés et attendus, vous pouvez voir les variables qui présentent les différences les plus importantes, ce qui peut indiquer une dépendance. Vous pouvez également comparer les contributions à la statistique du Khi deux pour savoir quelles variables ont les valeurs les plus élevées, ce qui peut indiquer une dépendance.

Lignes : ID machine Colonnes : Colonnes de la feuille de trava 1ère 2ème 3ème équipe équipe équipe Total 1 48 47 48 143 56,08 46,97 39,96 1,1637 0,0000 1,6195 2 76 47 32 155 60,78 50,91 43,31 3,8088 0,2998 2,9530 3 36 40 34 110 43,14 36,13 30,74 1,1809 0,4151 0,3468 Total 160 134 114 408 Contenu de la cellule Dénombrement Dénombrement attendu Contribution au Khi deux
Résultats principaux : dénombrement, dénombrement attendu, contribution au Khi deux

Dans ce tableau, le dénombrement de cellules correspond au premier nombre dans chaque cellule, le dénombrement attendu correspond au deuxième nombre dans chaque cellule et la contribution à la statistique du Khi deux au troisième nombre dans chaque cellule. Dans ces résultats, le dénombrement attendu et le dénombrement observé les plus élevés sont ceux de la combinaison machine 2/équipe 1 et la contribution à la statistique du Khi deux aussi est la plus élevée. Etudiez votre procédé pour la combinaison machine 2/équipe 1 afin de voir s'il existe une cause spéciale pouvant expliquer cette différence.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique