카이제곱 검정의 효과 크기를 계산하는 세 가지 방법

통계에는 일반적으로 사용되는 두 가지 카이제곱 검정이 있습니다.

적합도에 대한 카이제곱 검정 : 범주형 변수가 가상 분포를 따르는지 여부를 확인하는 데 사용됩니다.

독립성에 대한 카이제곱 검정 : 동일한 모집단에서 두 범주형 변수 사이에 유의미한 연관성이 있는지 여부를 확인하는 데 사용됩니다.

이 두 테스트 모두에서 테스트의 귀무 가설을 기각해야 하는지 여부를 알려주는 p-값을 얻습니다. p-값은 검정 결과가 유의한지 여부를 알려주지만 검정의 효과 크기를 알려주지는 않습니다.

효과 크기를 측정하는 방법에는 Phi(ψ), Cramer의 V(V) 및 승산비(OR)의 세 가지 방법이 있습니다.

이 기사에서는 이러한 각 효과 크기를 계산하는 방법과 이를 사용하는 것이 적절한 시기를 설명합니다.

파이(ψ)

계산 방법

Phi는 ^ψ = √ (

금:

X ² 는 카이 제곱 검정 통계량입니다.

n = 총 관측치 수

언제 사용하나요?

2 x 2 분할표(즉, 정확히 2개의 행과 2개의 열이 있는 테이블)로 작업할 때만 ψ를 계산하는 것이 적절합니다.

해석하는 방법

Φ = 0.1의 값은 작은 효과로 간주되고, 0.3은 중간 효과로, 0.5는 큰 효과로 간주됩니다.

크레이머의 V (V)

계산 방법

Cramer의 V는 ^V = √ (

금:

X ² 는 카이 제곱 검정 통계량입니다.

n = 총 관측치 수

df = (#행-1) * (#열-1)

언제 사용하나요?

2 x 2 분할표보다 큰 테이블로 작업할 때 V를 계산하는 것이 적절합니다.

해석하는 방법

다음 표는 자유도에 따라 V를 해석하는 방법을 보여줍니다.

승산비(OR)

계산 방법

다음 2×2 테이블이 주어졌습니다.

승산비는 다음과 같이 계산됩니다.

승산비 = (AD) / (BC)

언제 사용하나요?

2 x 2 분할표를 사용할 때만 승산비를 계산하는 것이 적절합니다. 일반적으로 승산비는 대조군의 성공 가능성과 비교하여 치료 그룹의 성공 가능성을 연구하려는 경우 계산됩니다.

해석하는 방법

작은 효과, 중간 효과, 큰 효과에 해당하는 교차비를 고려하는 특정 값은 없지만, 교차비가 1에서 멀수록 치료가 실제 효과를 나타낼 가능성이 더 높습니다. 높은.

주어진 승산비가 소형, 중형, 대형으로 간주되어야 하는지 결정하려면 영역별 전문 지식을 활용하는 것이 가장 좋습니다.