関連性のカイ二乗検定の主要な結果を解釈する

関連性のカイ二乗検定を解釈するには、次の手順を実行します。主要な出力にはp値、セル度数、および各セルのカイ二乗統計量に対する寄与が含まれます。

ステップ1: 変数間の関連性が統計的に有意かどうかを判断する

変数が独立しているかどうかを判断するには、p値を有意水準と比較します。通常は、有意水準(αまたはアルファとも呼ばれる)として0.05が適切です。0.05の有意水準は、実際には関連性が存在しない場合に、変数の間の関連性が存在すると結論付けてしまうリスクが5%であるということを示します。
p値 ≤ α: 変数には統計的に有意な関連性がある(H0却下)
p値が有意水準以下の場合は、帰無仮説を棄却し、変数の間に統計的に有意な関連性が存在すると結論付けます。
P値 > α: 変数に関連性があると結論付けることができない(H0却下失敗)
p値が有意水準より大きい場合は、変数は関連していると結論付けるのに十分な証拠を得られず、帰無仮説を棄却できません。
カイ二乗検定 カイ二乗 自由度 p値 Pearson 11.788 4 0.019 尤度比 11.816 4 0.019
主要な結果: ピアソンのカイ二乗のP値、尤度比のカイ二乗のP値

これらの結果では、ピアソンカイ二乗統計量は11.788、P値は0.019です。尤度比のカイ二乗統計量は11.816、P値は0.019です。したがって、有意水準0.05で、変数の間の関連性は統計的に有意であると結論付けることができます。

ステップ2: 期待度数と観測度数の間の差を調べて、どの変数の水準が関連性に最も影響をおよぼす可能性があるかを判定する

どの変数の水準に最も影響力があるかを判定するには、期待度数と観測度数を比べるか、またはカイ二乗への寄与度を調べます。

観測セル度数と期待セル度数の間の差を見て、どの変数に最大の差があるか、どの変数が依存を示す可能性があるのかを確認できます。カイ二乗統計量に対する寄与度を比べて、どの変数に最大の値があるか、どの変数が依存を示す可能性があるのかを確認できます。

行: 機械ID 列: ワークシート列 第1シフト 第2シフト 第3シフト すべて 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 すべて 160 134 114 408 セルの内容 計数 期待度数 カイ二乗への寄与度
主要な結果: 度数、期待度数、カイ二乗への寄与度

この表では、セル度数が各セルの最初の数、期待度数が各セルの2番目の数、カイ二乗統計量への寄与度が各セルの3番目の数です。これらの結果では、期待度数と観測度数が最初のシフトの際の機械2で最大であり、カイ二乗統計量への寄与度も最大です。最初のシフトの際の機械2の工程を調査して、この差を説明することのできる特別な原因があるかを見ます。

本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください