Stata တွင် fit test ၏ chi-square ကောင်းမွန်မှုကို မည်သို့လုပ်ဆောင်ရမည်နည်း။

Chi-square goodness-of-fit test ကို categorical variable သည် hypothetical distribution ကို လိုက်နာခြင်း ရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုပါသည်။

ဤသင်ခန်းစာသည် Stata ရှိ chi-square goodness-of-fit test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- Stata ရှိ Chi-square goodness-of-fit test

ဤစစ်ဆေးမှုကို မည်သို့လုပ်ဆောင်ရမည်ကို သရုပ်ဖော်ရန်၊ ကျွန်ုပ်တို့သည် 1988 ခုနှစ် အမေရိကန်ပြည်ထောင်စုရှိ အမျိုးသမီးအလုပ်စာရင်းဇယားဆိုင်ရာ အချက်အလက်များပါရှိသော nlsw88 ဟုခေါ်သော ဒေတာအတွဲကို အသုံးပြုပါမည်။

ဤဒေတာအစုံရှိ လူမျိုးများ၏ စစ်မှန်သော ဖြန့်ကျက်မှုသည် 70% အဖြူရောင်၊ 20% အနက်ရောင်၊ 10% အခြား၊ အခြား 10% ရှိမရှိ ဆုံးဖြတ်ရန် Chi-square good-of-fit စမ်းသပ်မှုပြုလုပ်ရန် အောက်ပါအဆင့်များကို လိုက်နာပါ။

အဆင့် 1- ဒေတာအကြမ်းကို တင်ပြီး ပြသပါ။

ပထမဦးစွာ၊ အောက်ပါ command ကိုရိုက်ခြင်းဖြင့် data ကို load လုပ်ပါမည်။

nlsw88 စနစ်

အောက်ပါ command ကိုရိုက်ခြင်းဖြင့် ကျွန်ုပ်တို့သည် ဒေတာအကြမ်းကို ကြည့်ရှုနိုင်သည်-

br

အတန်းတစ်ခုစီသည် ၎င်းတို့၏အသက်၊ လူမျိုး၊ အိမ်ထောင်ရေးအခြေအနေ၊ ပညာရေးအဆင့်နှင့် အခြားအချက်များအပါအဝင် လူတစ်ဦးချင်းစီ၏ အချက်အလက်များကို ပြသသည်။

အဆင့် 2- ချိန်ညှိမှုအထုပ်ကို တင်ပါ။

သင့်လျော်မှုစမ်းသပ်မှုတစ်ခုလုပ်ဆောင်ရန်၊ ကျွန်ုပ်တို့သည် csgof ပက်ကေ့ခ်ျကို ထည့်သွင်းရန် လိုအပ်ပါသည်။ အောက်ပါ command ကို ရိုက်ထည့်ခြင်းဖြင့် ၎င်းကို ကျွန်ုပ်တို့ လုပ်ဆောင်နိုင်သည်-

csgof ကိုရှာပါ။

ဝင်းဒိုးအသစ်တစ်ခုပေါ်လာလိမ့်မည်။ https://stats.idre.ucla.edu/stat/stata/ado/analysis မှ csgof ဟူသော လင့်ခ်ကို နှိပ်ပါ။

နောက်ထပ်ဝင်းဒိုးတစ်ခုပေါ်လာလိမ့်မည်။ ထည့်သွင်းရန် ဤနေရာကိုနှိပ်ပါ ဟူသော လင့်ခ်ကို နှိပ်ပါ။

ပက်ကေ့ဂျ်ကို ထည့်သွင်းခြင်းသည် စက္ကန့်အနည်းငယ်သာ ကြာသင့်သည်။

အဆင့် 3: အံဝင်ခွင်ကျစမ်းသပ်မှုပြုလုပ်ပါ။

ပက်ကေ့ဂျ်ကို ထည့်သွင်းပြီးသည်နှင့်၊ ကျွန်ုပ်တို့သည် စစ်မှန်သော ပြိုင်ပွဲခွဲခြမ်းစိတ်ဖြာမှု ဟုတ်မဟုတ် ဆုံးဖြတ်ရန် ဒေတာပေါ်တွင် ကောင်းမွန်မှု-အံဝင်ခွင်ကျ စမ်းသပ်မှုကို လုပ်ဆောင်နိုင်သည်- 70% အဖြူရောင်၊ 20% အနက်ရောင်၊ 10% အခြား။

စမ်းသပ်မှုကို လုပ်ဆောင်ရန် အောက်ပါ syntax ကို အသုံးပြုပါမည်။

csgof variable_of_interest၊ expperc(list_of_expected_percentages)

ဤသည်မှာ ကျွန်ုပ်တို့ကိစ္စတွင် ကျွန်ုပ်တို့အသုံးပြုမည့် တိကျသော syntax ဖြစ်သည်။

csgof၊ expperc(70၊ 20၊ 10) ကို run

ဤသည်မှာ ရလဒ်ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

အနှစ်ချုပ်အကွက်- ဤအကွက်သည် ပြိုင်ပွဲတစ်ခုစီအတွက် မျှော်မှန်းထားသော ရာခိုင်နှုန်း၊ မျှော်မှန်းထားသော အကြိမ်ရေနှင့် အကဲဖြတ်သည့် အကြိမ်ရေကို ပြသပေးပါသည်။ ဥပမာအားဖြင့်:

• လူဖြူလူဖြူများ၏ မျှော်မှန်းရာခိုင်နှုန်းမှာ ၇၀ ရာခိုင်နှုန်းဖြစ်သည်။ ဒါက ကျွန်တော်တို့ သတ်မှတ်ထားတဲ့ ရာခိုင်နှုန်းပါ။
• လူဖြူတစ်ဦးချင်းစီ၏ မျှော်မှန်းထားသော အကြိမ်ရေမှာ 1,572.2 ဖြစ်သည်။ ဒေတာအတွဲတွင် တစ်ဦးချင်းစီ 2,246 ဦးရှိသောကြောင့် ၎င်းနံပါတ်၏ 70% သည် 1,572.2 ဖြစ်သည်။
• လူဖြူတစ်ဦးချင်းစီ၏ ကြိမ်နှုန်းမှာ 1,637 ဖြစ်သည်။ ၎င်းသည် ဒေတာအတွဲတွင် အမှန်တကယ် လူဖြူအရေအတွက်ဖြစ်သည်။

Chisq(2)- ဤသည်မှာ အံဝင်ခွင်ကျ ကောင်းသော စစ်ဆေးမှုအတွက် Chi-square စမ်းသပ်မှု ကိန်းဂဏန်း ဖြစ်ပါသည်။ 218.13 ဖြစ်သွားပါတယ်။

p- ဤသည်မှာ Chi-square စမ်းသပ်မှုကိန်းဂဏန်းနှင့်ဆက်စပ်နေသည့် p-တန်ဖိုးဖြစ်သည်။ ၎င်းသည် 0 ဖြစ်သည် ။ ၎င်းသည် 0.05 ထက်နည်းသောကြောင့်၊ စစ်မှန်သောလူမျိုးရေးဖြန့်ဝေမှုသည် 70% အဖြူရောင်၊ 20% အနက်ရောင်နှင့် အခြား 10% ဖြစ်သည်ဟူသော null hypothesis ကို ကျွန်ုပ်တို့ ငြင်းပယ်ရန်ပျက်ကွက်ပါသည်။ စစ်မှန်သော လူမျိုးရေး ဖြန့်ဝေမှုသည် ဤယူဆချက် ဖြန့်ဖြူးမှုနှင့် ကွဲပြားကြောင်း ကောက်ချက်ချရန် လုံလောက်သော အထောက်အထားများရှိသည်။