関連性のカイ二乗検定のすべての統計量を解釈する

解釈

出力表の各セルで観測値と期待値を比較することができます。これらの結果では、観測セル度数が各セルの最初の数、期待度数が各セルの2番目の数です。

2つの変数が関連している場合、第1の変数に対する観測値の分布は、第2の変数のカテゴリに応じて異なります。2つの変数が互いに独立である場合、第1の変数に対する観測値の分布は、第2の変数の全カテゴリについて類似します。この例では、表の列1、行2より、観測度数は76、期待度数は60.78です。観測度数は、変数が独立である場合に期待される度数よりも、はるかに大きいように見えます。

解釈

周辺度数を用いて、度数がカテゴリ間でどう分布しているのかを理解します。

これらの結果では、行1の合計は143、行2の合計は155、行3の合計は110です。すべての行の和は408です。列1の合計は160、列2の合計は134、列3の合計は114です。すべての列の和は408です。

解釈

解釈

変数に関連性があるかどうかをテストするには、カイ二乗統計量を使用します。

期待度数が小さい時、結果は誤解を招く可能性があります。詳細は、関連性のカイ二乗検定のデータに関する考慮事項を参照します。

解釈

Minitabでは、自由度を使用して、検定統計量と関連性のあるp値を判定します。

これらの結果では、自由度（DF）は4です。

解釈

これらの結果では、p値は0.019です。p値はαより小さいため、帰無仮説を棄却します。変数に関連性があると結論付けることができます

解釈

出力表の観測値と期待値を比べることができます。

解釈

出力表の標準化残差を比較して、どのカテゴリ変数で期待度数とサンプルサイズに関連する実度数の差が一番大きいか、また依存しているように見えるかを確認します。たとえば、出力表の標準化残差を評価して、不良品を生み出す機械とシフトの間の関連性を見ることができます。

解釈

出力表の調整済み残差を比較して、どのカテゴリで期待度数とサンプルサイズに関連する実度数の差が一番大きいかを確認します。たとえば、どの機械、どのシフトで、不良品の期待数と不良品の実数の差が一番大きいのかを確認できます。