Kalkulator Tabeli Kontyngencji

O Kalkulator Tabeli Kontyngencji

Kalkulator Tabeli Kontyngencji wykonuje test niezależności chi-kwadrat na dowolnej tabeli kontyngencji R×C (tabeli krzyżowej). Wprowadź obserwowane liczebności, aby sprawdzić, czy dwie zmienne kategoryczne są ze sobą powiązane statystycznie. Uzyskaj szczegółowe wyniki, w tym liczebności oczekiwane, skorygowane standaryzowane reszty, wielkość efektu V Craméra, analizę wkładu komórek, interaktywne wykresy mozaikowe, mapy cieplne reszt, krzywe rozkładu chi-kwadrat oraz kompletne rozwiązanie krok po kroku.

Jak korzystać z Kalkulatora Tabeli Kontyngencji

1. Ustaw wymiary tabeli — wybierz liczbę wierszy i kolumn dla swojej tabeli kontyngencji. Domyślnie jest to tabela 2×2, ale za pomocą selektorów możesz analizować tabele do 10×10.
2. Wprowadź obserwowane liczebności — wpisz liczbę obserwacji dla każdej komórki bezpośrednio w interaktywnej siatce. Alternatywnie przełącz się na tryb „Tekst”, aby wkleić dane oddzielone tabulatorami lub przecinkami. Wszystkie wartości muszą być nieujemnymi liczbami całkowitymi.
3. Dodaj etykiety (opcjonalnie) — wprowadź etykiety kategorii wierszy i kolumn oddzielone przecinkami. Etykiety ułatwiają interpretację tabel wynikowych i wykresów. Na przykład: „Mężczyzna, Kobieta” dla wierszy i „Tak, Nie” dla kolumn.
4. Ustaw poziom istotności — wybierz żądany poziom α. Najczęstszym wyborem jest 0,05 (ufność 95%). Mniejsze wartości α (0,01, 0,001) wymagają silniejszych dowodów, aby ogłosić istotność.
5. Analizuj wyniki — kliknij „Analizuj tabelę kontyngencji”, aby zobaczyć statystykę chi-kwadrat, wartość p, miary wielkości efektu, wizualizacje i rozwiązanie krok po kroku.

Co to jest tabela kontyngencji?

Tabela kontyngencji (zwana również tabelą krzyżową, tabulacją krzyżową lub dwudzielną tabelą częstości) wyświetla łączny rozkład częstości dwóch zmiennych kategorycznych. Każdy wiersz reprezentuje jedną kategorię pierwszej zmiennej, każda kolumna reprezentuje jedną kategorię drugiej zmiennej, a każda komórka zawiera liczbę obserwacji przypadających na tę konkretną kombinację. Tabele kontyngencji są podstawą wielu metod analizy danych kategorycznych, w tym testu chi-kwadrat, dokładnego testu Fishera i modeli log-liniowych.

Test niezależności chi-kwadrat

Test chi-kwadrat (χ²) niezależności określa, czy istnieje statystycznie istotny związek między dwiema zmiennymi kategorycznymi. Działa on poprzez porównanie obserwowanych liczebności komórek z liczebnościami, których oczekiwano by, gdyby zmienne były niezależne.

Gdzie Oᵢⱼ to obserwowana liczebność w komórce (i,j), a Eᵢⱼ to oczekiwana liczebność obliczona jako:

Liczba stopni swobody dla testu wynosi (r − 1) × (c − 1), gdzie r to liczba wierszy, a c to liczba kolumn. Większa wartość χ² wskazuje na większą rozbieżność między liczebnościami obserwowanymi a oczekiwanymi, co sugeruje, że zmienne są powiązane.

V Craméra — pomiar wielkości efektu

Podczas gdy wartość p mówi o tym, czy związek istnieje, V Craméra mówi o tym, jak silny on jest. V Craméra mieści się w zakresie od 0 (brak związku) do 1 (związek doskonały) i jest obliczany jako:

Gdzie N to całkowita wielkość próby, a k to mniejsza z liczb wierszy lub kolumn. Interpretacja V Craméra zależy od stopni swobody:

*df* odnosi się do min(wiersze, kolumny) − 1

Zrozumienie standaryzowanych reszt

Skorygowane standaryzowane reszty ujawniają, które konkretne komórki najbardziej przyczyniają się do istotnego wyniku chi-kwadrat. Reszta +2,5 w komórce oznacza, że w tej komórce znajduje się o 2,5 odchylenia standardowego więcej obserwacji niż oczekiwano przy niezależności. Kluczowe progi to:

• |r| > 1,96 — istotnie różni się od oczekiwanej (p < 0,05)
• |r| > 2,58 — wysoce istotnie różni się od oczekiwanej (p < 0,01)
• Dodatnia reszta — więcej obserwacji niż oczekiwano w tej komórce
• Ujemna reszta — mniej obserwacji niż oczekiwano w tej komórce

Kiedy stosować test chi-kwadrat

• Dane kategoryczne — obie zmienne muszą być kategoryczne (nominalne lub porządkowe)
• Niezależne obserwacje — każda obserwacja powinna być liczona tylko raz
• Odpowiednia wielkość próby — co najmniej 80% oczekiwanych liczebności powinno wynosić ≥ 5, a żadna oczekiwana liczebność nie powinna być mniejsza niż 1
• Losowy dobór próby — obserwacje powinny pochodzić z losowej próby populacji

Jeśli oczekiwane liczebności są zbyt niskie, rozważ połączenie kategorii, zastosowanie dokładnego testu Fishera (dla tabel 2×2) lub użycie testów dokładnych lub symulacji Monte Carlo dla większych tabel.

Test chi-kwadrat a dokładny test Fishera

• Test chi-kwadrat wykorzystuje przybliżenie dla dużej próby; test Fishera oblicza dokładne prawdopodobieństwa
• Test Fishera jest preferowany dla tabel 2×2 z małymi oczekiwanymi liczebnościami (< 5)
• Test chi-kwadrat naturalnie uogólnia się na tabele R×C dowolnej wielkości
• Dla dużych prób oba testy dają bardzo zbliżone wyniki

FAQ

Co to jest tabela kontyngencji?

Tabela kontyngencji (zwana również tabelą krzyżową lub tabulacją krzyżową) to tabela wyświetlająca rozkład częstości dwóch lub więcej zmiennych kategorycznych. Każda komórka pokazuje liczbę obserwacji, które wpadają w określoną kombinację kategorii. Jest to podstawa do testowania, czy zmienne są niezależne, czy powiązane za pomocą testu chi-kwadrat.

Co to jest test niezależności chi-kwadrat?

Test niezależności chi-kwadrat określa, czy istnieje statystycznie istotny związek między dwiema zmiennymi kategorycznymi w tabeli kontyngencji. Porównuje on obserwowane liczebności komórek z liczebnościami oczekiwanymi obliczonymi przy założeniu, że zmienne są niezależne. Duża statystyka chi-kwadrat w stosunku do stopni swobody sugeruje, że zmienne są powiązane.

Co to jest V Craméra i jak go interpretować?

V Craméra to miara wielkości efektu dla testu chi-kwadrat, przyjmująca wartości od 0 (brak związku) do 1 (związek doskonały). Dla tabel 2×2 wartości poniżej 0,10 są nieistotne, 0,10–0,30 to efekt mały, 0,30–0,50 średni, a powyżej 0,50 duży. Dla większych tabel progi są proporcjonalnie niższe. W przeciwieństwie do wartości p, V Craméra mierzy siłę związku, a nie tylko to, czy istnieje on statystycznie.

Co to są standaryzowane reszty w tabeli kontyngencji?

Skorygowane standaryzowane reszty pokazują, jak bardzo każda komórka odbiega od tego, czego oczekiwano by przy założeniu niezależności. Wartości większe niż +1,96 lub mniejsze niż −1,96 wskazują na istotne odejście na poziomie 0,05. Dodatnie reszty oznaczają więcej obserwacji niż oczekiwano w danej komórce; ujemne oznaczają mniej. Pomagają one wskazać, które konkretne kombinacje komórek napędzają ogólny związek.

Kiedy nie należy używać testu chi-kwadrat?

Test chi-kwadrat może być niewiarygodny, gdy oczekiwane liczebności są bardzo niskie – konkretnie gdy więcej niż 20% oczekiwanych liczebności spada poniżej 5 lub jakakolwiek oczekiwana liczebność jest mniejsza niż 1. Dla tabel 2×2 z małymi próbami preferowany jest dokładny test Fishera. Test wymaga również niezależnych obserwacji, więc nie należy go stosować w przypadku danych sparowanych, dopasowanych lub z powtarzanymi pomiarami.