آزمون مربع کای (Chi-Square) با استفاده از SPSS

پری کرمی
فوریه 1, 2023
5 دیدگاه ها

آزمون مربع کای (Chi-Square) با استفاده از SPSS Statistics

مقدمه

آزمون مربع کای، (Chi-Square Test)، که به آن آزمون کای دو، یا خی دو و یا مربع کای پیرسون (Pearson’s chi-square) نیز گفته می شود، برای کشف وجود میزان ارتباط بین دو متغیر طبقه ای (categorical) استفاده می شود.

فرضیات

هنگامی که تصمیم می‌گیرید داده‌های خود را با استفاده از آزمون مربع کای تجزیه و تحلیل کنید، باید مطمئن شوید که داده‌های شما از دو فرض عبور ‌کنند. شما باید این کار را انجام دهید. زیرا تنها در صورتی استفاده از آزمون مربع کای مناسب است که داده های شما این دو فرض را تایید کنند. اگر اینطور نیست، دیگر نمی توانید از آزمون مربع کای استفاده کنید. این دو فرض عبارتند از:

فرض شماره 1:

دو متغیر شما باید در سطح ترتیبی یا اسمی (یعنی داده های طبقه ای) اندازه گیری شوند.

فرض شماره 2:

دو متغیر شما باید از دو یا چند گروه طبقه ای شده مستقل تشکیل شده باشد. نمونه متغیرهای مستقلی که این معیار را برآورده می کنند شامل جنسیت (2 گروه: مرد و زن)، قومیت (به عنوان مثال، 3 گروه: قفقازی، آفریقایی آمریکایی و اسپانیایی)، سطح فعالیت بدنی (مثلاً 4 گروه: بی تحرک، کم تحرک، تحرک متوسط و پر تحرک) ، حرفه (به عنوان مثال، 4 گروه: جراح، پزشک، پرستار، دندانپزشک) و غیره می باشد.

در بخش بعدی، روش SPSS Statistics را برای انجام آزمون مربع کای نشان می‌دهیم. ابتدا مثالی را که در این آموزش استفاده شده، را معرفی می کنیم.

مثال

اساتید همیشه به دنبال یافتن راه‌های جدید برای آموزش آمار به دانش جویان رشته های تحصیلی غیرآماری (مانند روانشناسی) هستند. با استفاده از فناوری کنونی، امکان ارائه راهنماهای چگونگی برنامه های آماری به جای کتاب به صورت آنلاین وجود دارد. با این حال، افراد مختلف به روش های مختلف یاد می گیرند. یک استاد دوست دارد بداند که آیا جنسیت (مرد/زن) با نوع یادگیری (آنلاین و یا کتاب) مرتبط است یا خیر. بنابراین، ما دو متغیر اسمی جنسیت (مرد/زن) و محیط آموزشی ترجیحی (آنلاین/کتاب) داریم.

تنظیمات راه اندازی در SPSS Statistics

در SPSS Statistics دو متغیر جنسیت و محیط آموزشی ترجیحی ، را ایجاد کردیم تا بتوانیم اطلاعات خود را وارد کنیم.

روش آزمون در SPSS Statistics

13 مرحله زیر به شما نشان می دهد که چگونه داده های خود را با استفاده از آزمون مربع کای در SPSS Statistics تجزیه و تحلیل کنید. در پایان این 13 مرحله، ما به شما نشان می دهیم که چگونه نتایج آزمون مربع کای خود را تفسیر کنید.

مرحله (1)

همانطور که در زیر نشان داده شده است، روی

Analyze > Descriptives Statistics > Crosstabs…

در منوی اصلی کلیک کنید:

مرحله (2)

پنجره ی Crosstabs زیر به شما نمایش داده می شود:

مرحله (3)

یکی از متغیرها را به کادر Row(s) و متغیر دیگر را به کادر Column(s) منتقل کنید. در مثال ما، متغیر را به کادر Row(s) و را به کادر Column(s) منتقل می کنیم. دو راه برای انجام این کار وجود دارد. شما می توانید: (1) متغیر را با موس خود برجسته کنید و سپس از دکمه های به فلش برای انتقال متغیرها استفاده کنید. یا (2) متغیرها را بکشید و رها کنید. اینکه کدام متغیر را در کادر سطر و یا ستون بستگی به نحوه ارائه داده های شما دارد.

اگر می‌خواهید نمودارهای میله‌ای خوشه‌ای را نمایش دهید (توصیه می‌شود)، مطمئن شوید که چک باکس Display clustered bar charts را تیک زده باشد.

در نهایت با صفحه‌ای مشابه تصویر زیر مواجه خواهید شد:

مرحله (4)

روی دکمه Statistics کلیک کنید. پنجره ی Crosstabs: Statistics به شما نمایش داده می شود:

مرحله (5)

مانند شکل زیر گزینه های Chi-square و Phi and Cramer’s V را انتخاب کنید:

مرحله (6)

بر روی دکمه Continue کلیک کنید.

مرحله (7)

بر روی دکمه Cells کلیک کنید. با پنجره ی Crosstabs: Cell Display زیر روبرو خواهید شد:

مرحله (8)

مطابق شکل زیر، گزینه Observed را از ناحیه –Counts– و گزینه های Row، Column و Total را از ناحیه –Percentages– انتخاب کنید:

مرحله (9)

بر روی دکمه Continue کلیک کنید.

مرحله (10)

روی دکمه Format کلیک کنید.

مرحله (11)

توجه: این گزینه فقط زمانی واقعاً مفید است که در یکی از متغیرهای خود بیش از دو دسته داشته باشید.

موارد زیر به شما ارائه خواهد شد:

این گزینه به شما امکان می دهد ترتیب مقادیر را به صورت صعودی یا نزولی تغییر دهید.

مرحله (12)

پس از انتخاب خود، روی دکمه Continue کلیک کنید.

مرحله (13)

بر روی دکمه OK کلیک کنید تا خروجی شما تولید شود.

خروجی

تعدادی جداول در Output Viewer تحت عنوان “Crosstabs” به شما ارائه می شود. این جداول در زیر ارائه شده است:

(1) جدول Crosstabulation (جدول بندی متقاطع) (Gender*Preferred Learning Medium Crosstabulation)

با توجه به این جدول، می توانیم بفهمیم که هم مرد و هم زن بیشتر ترجیح می دهند با استفاده از مطالب آنلاین آمار را یاد بگیرند تا خواندن کتاب.

(2) جدول Chi-Square Tests

هنگام خواندن این جدول ما به نتایج ردیف “Pearson Chi-Square” علاقه مندیم. در اینجا می توانیم ببینیم χ(1) = 0.487 و p = 0.485 است. این نشان می دهد که هیچ ارتباط آماری معنی داری بین جنسیت و محیط آموزشی ترجیحی وجود ندارد. یعنی هم مرد و هم زن به یک اندازه، یادگیری آنلاین را نسبت به خواندن کتاب ترجیح می دهند.

(3) جدول Symmetric Measures (اندازه گیری های متقارن)

هر دو آزمون Phi و Cramer’s V قدرت ارتباط را نشان می دهند. همانطور که می بینید، قدرت ارتباط بین متغیرها بسیار ضعیف است.

(4) Bar chart (نمودار میله ای)

تجسم داده ها می تواند آسان تر از خواندن جداول باشد. انتخاب گزینه نمودار میله ای خوشه ای (clustered bar chart) (گفته شده در مرحله (3)) به شما این امکان را می دهد تا یک نمودار مرتبط تولید شود که دسته بندی گروه ها و فراوانی تعداد در این گروه ها را برجسته می کند.

مطالب زیر را هم از دست ندهید:

آزمون یو من ویتنی (Mann-Whitney U) با استفاده از SPSS

آزمون مک نمار (McNemar’s test) با استفاده از SPSS

تعدیل کننده دو وضعیتی (Dichotomous Moderator) با استفاده از SPSS

ضریب همبستگی تاوی- بی کندال (Kendall’s Tau-b correlation coefficient) با استفاده از SPSS

آزمون Jonckheere-Terpstra (جانكهير ترپسترا) با استفاده از SPSS

آزمون رتبه علامت‌دار ویلکاکسون (Wilcoxon signed-rank test) با استفاده از SPSS

آزمون Q کوکران (Cochran’s Q) با استفاده از SPSS

دی سامرز (Somers’ d) با استفاده از SPSS