解释相关性的卡方检验的主要结果

要解释相关性卡方检验,请完成以下步骤。主要输出包括 p 值、单元格计数和每个单元格对卡方统计量的贡献。

步骤 1:确定变量之间的关联在统计上是否显著

要确定变量之间是否相互独立,可将 p 值与显著性水平进行比较。通常,显著性水平(用 α 或 alpha 表示)为 0.05 即可。显著性水平 0.05 表明变量之间在实际上不存在关联时断定存在关联的风险为 5%。
P 值 ≤ α:变量之间的关联在统计上显著(否定 H0
如果 p 值小于或等于显著性水平,则可以否定原假设并断定变量之间的关联在统计上显著。
P 值 > α:无法断定变量之间存在关联(无法否定 H0
如果 p 值大于显著性水平,则无法否定原假设,因为没有足够的证据可以断定变量之间存在关联。
卡方检验 卡方 自由度 P 值 Pearson 11.788 4 0.019 似然比 11.816 4 0.019
主要结果:Pearson 卡方的 P 值、似然比卡方的 P 值

在这些结果中,Pearson 卡方统计量为 11.788,p 值 = 0.019。似然卡方统计量为 11.816,p 值 = 0.019。因此,当显著性水平为 0.05 时,您可以断定变量之间的关联在统计上显著。

步骤 2:研究预期计数和实测计数之间的差值以确定哪些变量水平可能对关联的影响最大

要确定哪些变量水平的影响最大,请比较实测计数和预期计数或研究对卡方的贡献

通过确定实测单元格计数和预期单元格计数之间的差值,您可以发现哪些变量之间的差值最大,这可能表示相关性。您还可以比较对卡方统计量的贡献以确定哪些变量具有可能表示相关性的最大值。

行: 机器 ID 列: 工作表列 第 1 第 2 第 3 个偏移 个偏移 个偏移 全部 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 全部 160 134 114 408 单元格内容 计数 期望计数 对卡方的贡献
主要结果:计数、预期计数、对卡方的贡献

在该表中,单元格计数是每个单元格中的第一个数字,预期计数是每个单元格中的第二个数字,卡方统计量的贡献是每个单元格中的第三个数字。在这些结果中,使用机器 2 的第 1 个班次的预期计数和实测计数最大,而且卡方统计量的贡献也最大。研究使用机器 2 的第 1 个班次的过程,以确定是否存在可以解释此差值的特殊原因。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策