Test chi-kwadrat vs anova: jaka jest różnica?
Testy chi-kwadrat i ANOVA („analiza wariancji”) to dwa powszechnie stosowane testy statystyczne.
Dlatego ważne jest, aby zrozumieć różnicę między tymi dwoma testami i wiedzieć, kiedy zastosować każdy z nich.
Ten samouczek zawiera proste wyjaśnienie różnic między tymi dwoma testami, a także tego, kiedy z nich korzystać.
Wyjaśnienie testów chi-kwadrat
W statystyce istnieją dwa różne typy testów Chi-kwadrat:
1. Test dobroci dopasowania chi-kwadrat – używany do określenia, czy zmienna kategoryczna ma rozkład hipotetyczny.
Na przykład:
- Chcemy wiedzieć, czy kość jest dobra, więc rzucamy nią 50 razy i rejestrujemy, ile razy wypadła na każdą liczbę.
- Chcemy wiedzieć, czy w każdym dniu tygodnia do sklepu wchodzi taka sama liczba osób. Liczymy więc liczbę osób, które wchodzą każdego dnia w losowym tygodniu.
2. Test niezależności Chi-kwadrat – używany do określenia, czy istnieje istotny związek pomiędzy dwiema zmiennymi kategorycznymi.
Na przykład:
- Chcemy wiedzieć, czy płeć jest powiązana z preferencją partii politycznej. Dlatego przeprowadzamy ankietę wśród 500 wyborców i rejestrujemy ich preferencje dotyczące płci i partii politycznych.
- Chcemy wiedzieć, czy ulubiony kolor danej osoby jest powiązany z jej ulubionym sportem. Przeprowadzamy więc ankietę wśród 100 osób i pytamy, jakie są ich preferencje w odniesieniu do obu opcji.
Należy pamiętać, że tych dwóch testów można używać wyłącznie podczas pracy ze zmiennymi kategorycznymi . Są to zmienne, które przyjmują nazwy lub etykiety i można je podzielić na kategorie.
ANOVA wyjaśniła
W statystyce ANOVA służy do określenia, czy istnieje statystycznie istotna różnica między średnimi trzech lub więcej niezależnych grup.
Na przykład:
- Chcemy wiedzieć, czy trzy różne techniki uczenia się prowadzą do różnych średnich wyników egzaminów.
- Chcemy wiedzieć, czy cztery różne rodzaje nawozów prowadzą do różnych średnich plonów.
Należy zauważyć, że właściwe jest użycie analizy ANOVA, gdy istnieje co najmniej jedna zmienna kategoryczna i jedna ciągła zmienna zależna.
Kiedy stosować testy chi-kwadrat vs. ANOVA
Ogólnie:
- Używaj testów chi-kwadrat, gdy każda zmienna, z którą pracujesz, jest kategoryczna.
- Użyj ANOVA, jeśli masz co najmniej jedną zmienną kategoryczną i jedną ciągłą zmienną zależną.
Skorzystaj z poniższych problemów praktycznych, aby lepiej zrozumieć, kiedy stosować testy chi-kwadrat w porównaniu z ANOVA:
Zadanie praktyczne 1
Załóżmy, że badacz chce wiedzieć, czy poziom wykształcenia i stan cywilny są ze sobą powiązane, i zbiera dane dotyczące tych dwóch zmiennych na prostej losowej próbie 50 osób.
Aby to sprawdzić, powinna zastosować test niezależności chi-kwadrat , ponieważ pracuje z dwiema zmiennymi kategorycznymi: „poziomem wykształcenia” i „stanem cywilnym”.
Zadanie praktyczne 2
Załóżmy, że ekonomista chce ustalić, czy odsetek mieszkańców opowiadających się za określoną ustawą różni się w trzech miastach.
Aby to sprawdzić, musi zastosować test dobroci dopasowania chi-kwadrat, ponieważ analizuje jedynie rozkład zmiennej kategorycznej.
Zadanie praktyczne 3
Załóżmy, że trener koszykówki chce wiedzieć, czy trzy różne techniki treningowe prowadzą do różnych średnich wysokości skoków wśród jego zawodników.
Aby to przetestować, musi zastosować jednokierunkową analizę wariancji, ponieważ analizuje zmienną kategoryczną (technika treningu) i ciągłą zmienną zależną (wysokość skoku).
Ćwicz zadanie 4:
Załóżmy, że botanik chce wiedzieć, czy dwa różne poziomy nasłonecznienia i trzy różne częstotliwości podlewania prowadzą do innego średniego wzrostu roślin.
Aby to przetestować, musi zastosować dwuczynnikową analizę ANOVA, ponieważ analizuje dwie zmienne kategoryczne (ekspozycja na światło słoneczne i częstotliwość podlewania) i jedną ciągłą zmienną zależną (wzrost roślin).
Dodatkowe zasoby
Poniższe samouczki stanowią wprowadzenie do różnych typów testów chi-kwadrat:
Poniższe samouczki stanowią wprowadzenie do różnych typów testów ANOVA:
Poniższe tutoriale wyjaśniają różnicę pomiędzy innymi testami statystycznymi:
o autorze
Dr Benjamin Anderson
Cześć, jestem Benjamin i jestem emerytowanym profesorem statystyki, który został oddanym nauczycielem Statorials. Dzięki bogatemu doświadczeniu i wiedzy specjalistycznej w dziedzinie statystyki chętnie dzielę się swoją wiedzą, aby wzmocnić pozycję uczniów za pośrednictwem Statorials. Wiedzieć więcej