SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Chi-Square Test

theodore-gilliam avatar
theodore-gilliam
12 diapositives · 395 Views · Nov 14, 2014

Chi-Square Test. Mon, Apr 19 th , 2004. Chi-Square (  2 ). Are 2 categorical variables related (correlated) or independent of each other? Compares # in categories that would be expected by chance (E) to # in categories actually observed (O)

#chi-square test #chi-square test ppt #powerpoint #presentation
Chi-Square Test - slide 1
01 / 12Chi-Square Test
1 / 17

Télécharger la présentation

Chi-Square Test
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Chi-Square Test Mon, Apr 19th, 2004

  2. Chi-Square (2) • Are 2 categorical variables related (correlated) or independent of each other? • Compares # in categories that would be expected by chance (E) to # in categories actually observed (O) • Null hyp (Ho) – no relationship between 2 variables (they’re independent of ea.other) • Alternate (Ha) – the 2 variables are related (not independent)

  3. 2 Formula • 2 =  [(fo – fe)2] fe So we’ll compare observed and expected frequencies for each cell in the table…

  4. Is age (<30 v. >30) related to preference for analog/digital watches? Example

  5. Step 1: Compute Marginals Marginals are the row and column totals: 140 60 100 20 80

  6. Step 2: Compute Expected Frequencies (fE) • fE = (Column marginal * Row marginal ) / N For people under 30: fe (digital) = 100 * 140 / 200 = 70 fe (analog) = 80*140 / 200 = 56 fe (undec) = 20*140 / 200 = 14 Over 30: fe (digital) = 100*60 / 200 = 30 fe (analog) = 80*60 / 200 = 24 fe (undec) = 20*60 / 200 = 6

  7. Step 3: Compute X2 • Find difference (residual) betw observed & expected for each cell (fo – fe) • Square those differences • Divide squared differences by fe • Sum the results

  8. Summary

  9. (cont.) • Last step: Add up (fo-fe)2 / fe • 2 = 5.71 + 4.57 + 1.14 + 13.33 + 10.67 + 2.67 = 38.09 • Step 4: Compare to 2 critical with df = (# columns – 1) (# rows – 1) • Here df = (2-1)(3-1) = 2 df, = .05, critical = 5.99

  10. Hypothesis Test • If 2 observed > 2 critical, reject Ho • Reject Ho  conclude there is a relationship between the 2 variables • Here, 38.09 > 5.99, reject Ho, there is a relationship between age & watch preference

  11. In SPSS • Analyze  Descriptive Stats  Crosstabs • Choose whichever variable you’d like for ‘row variable’ and the other for ‘column variable’ • Click “Statistics” button, and check chi-squared option • Click “Cells” Button, choose “expected count”

  12. SPSS (cont.) • Output – look for “Pearson chi-sq” and “Asymp Sig” column gives significance value for chi-sq test: • If “Asymp Sig” value is < .05 (alpha), reject Ho • Note there is an option for clustered graphing, read this example in the lab