{"id":1131,"date":"2023-07-27T13:39:32","date_gmt":"2023-07-27T13:39:32","guid":{"rendered":"https:\/\/statorials.org\/nl\/chi-kwadraat-onafhankelijkheidstest-in-r\/"},"modified":"2023-07-27T13:39:32","modified_gmt":"2023-07-27T13:39:32","slug":"chi-kwadraat-onafhankelijkheidstest-in-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/chi-kwadraat-onafhankelijkheidstest-in-r\/","title":{"rendered":"Chikwadraat-onafhankelijkheidstest in r (met voorbeelden)"},"content":{"rendered":"

<\/p>\n

\n

Een chikwadraattest voor onafhankelijkheid<\/a> wordt gebruikt om te bepalen of er al dan niet een significant verband bestaat tussen tweecategorische variabelen<\/a> .<\/span><\/p>\n

In deze tutorial wordt uitgelegd hoe u een chikwadraattest van onafhankelijkheid uitvoert in R.<\/span><\/p>\n

Voorbeeld: chikwadraattoets voor onafhankelijkheid in R<\/strong><\/span><\/h3>\n

Stel dat we willen weten of gender wel of niet geassocieerd is met de voorkeur voor een politieke partij. We nemen een eenvoudige willekeurige steekproef van 500 kiezers en vragen hen naar hun politieke partijvoorkeur. De volgende tabel geeft de resultaten van het onderzoek weer:<\/span><\/p>\n\n\n\n\n\n\n
<\/td>\n Republikeins<\/strong><\/span><\/td>\n Democraat<\/strong><\/span><\/td>\n Onafhankelijk<\/strong><\/span><\/td>\n Totaal<\/strong><\/span><\/td>\n<\/tr>\n
Mannelijk<\/strong><\/span><\/td>\n 120<\/span><\/td>\n 90<\/span><\/td>\n 40<\/span><\/td>\n 250<\/span><\/td>\n<\/tr>\n
Vrouwelijk<\/strong><\/span><\/td>\n 110<\/span><\/td>\n 95<\/span><\/td>\n 45<\/span><\/td>\n 250<\/span><\/td>\n<\/tr>\n
Totaal<\/strong><\/span><\/td>\n 230<\/span><\/td>\n 185<\/span><\/td>\n 85<\/span><\/td>\n 500<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Gebruik de volgende stappen om een chikwadraattest van onafhankelijkheid in R uit te voeren om te bepalen of geslacht verband houdt met de voorkeur voor politieke partijen.<\/span><\/p>\n

Stap 1: Cre\u00eber de gegevens.<\/strong><\/span><\/p>\n

Eerst maken we een tabel<\/a> waarin we onze gegevens bewaren:<\/span><\/p>\n

 #create table<\/span>\ndata <- matrix(c(120, 90, 40, 110, 95, 45), ncol= 3<\/span> , byrow= TRUE<\/span> )\ncolnames(data) <- c(\" Rep<\/span> \",\" Dem<\/span> \",\" Ind<\/span> \")\nrownames(data) <- c(\" Male<\/span> \",\" Female<\/span> \")\ndata <- as.table<\/span> (data)\n\n#view table<\/span>\ndata\n\n       Rep Dem Ind\nMale 120 90 40\nFemale 110 95 45\n<\/strong><\/pre>\n
 Stap 2: Voer de chikwadraattest van onafhankelijkheid uit.<\/strong><\/span><\/p>\n
 Vervolgens kunnen we de chikwadraat-onafhankelijkheidstest uitvoeren met behulp van de chisq.test()<\/strong> functie:<\/span><\/p>\n
 #Perform Chi-Square Test of Independence<\/span>\nchisq.test(data)\n\n\tPearson's Chi-squared test\n\ndata:data\nX-squared = 0.86404, df = 2, p-value = 0.6492\n<\/strong><\/pre>\n
 De manier om het resultaat te interpreteren is als volgt:<\/span><\/p>\n