SlideShare a Scribd company logo
1 of 111
Download to read offline
卡方考驗 - 百分比考驗 指導教授:荊溪昱 教授 學  生:許惠珍  M9671107 學  生:謝宗良  M9671114
日常生活中使用的 χ 2 統計方法 ,[object Object],[object Object],[object Object],[object Object]
壹、使用場合 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],註: χ 2 的發音是 { kai  square}
壹、使用場合 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
名詞解釋 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
貳、使用目的 ,[object Object],[object Object],[object Object],[object Object],[object Object]
參、常見的四種卡方考驗 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
參 -1 、 適合度考驗( good-of-fit test ) ,[object Object],[object Object],[object Object],[object Object]
參 -1 、 適合度考驗( good-of-fit test ) ,[object Object],[object Object],[object Object],[object Object],[object Object]
參 -1 、 適合度考驗( good-of-fit test ) ,[object Object],[object Object],[object Object],[object Object]
參 -2 百分比同質性檢定( test of homogeneity )   ,[object Object],[object Object],[object Object],細格 細格 細格 放任式 細格 細格 細格 權威式 細格 細格 細格 民主式 (列變數 I ) 教 養 方 式 低社經地位 中社經地位 高社經地位 (行變數 J ) 社經地位
參 -2 百分比同質性檢定( test of homogeneity ) ,[object Object],[object Object],[object Object],[object Object]
參 -2 百分比同質性檢定( test of homogeneity ) ,[object Object],[object Object],[object Object],[object Object],[object Object],190 (總人數) 50 70 70 總計 40 11 13 16 放任式 70 20 33 17 權威式 80 19 24 37 民主式 (列變數 I ) 教 養 方 式 樣本人數 低社經地位 中社經地位 高社經地位 (行變數 J ) 社經地位  
參 -2 百分比同質性檢定( test of homogeneity ) ,[object Object],[object Object],[object Object]
參 -3  獨立性檢定( test of independence )   ,[object Object],[object Object],[object Object],[object Object],190 (總人數) 50 70 70 總計 40 11 13 16 放任式 70 20 33 17 權威式 80 19 24 37 民主式 (列變數 I ) 教 養 方 式 樣本人數 低社經地位 中社經地位 高社經地位 (行變數 J )社經地位  
參 -3  獨立性檢定( test of independence ) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
參 -3  獨立性檢定( test of independence ) ,[object Object],[object Object],[object Object]
參 -3  獨立性檢定( test of independence ) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
參 -3  獨立性檢定( test of independence ) ,[object Object],[object Object],[object Object],[object Object]
參 -3  獨立性檢定( test of independence ) ,[object Object],[object Object],[object Object],[object Object],[object Object]
參 -3  獨立性檢定( test of independence ) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
參 -3  獨立性檢定( test of independence ) ,[object Object],[object Object]
參 -3  獨立性檢定( test of independence ) ,[object Object],120 100.0% 22 18.3% 79 65.8% 19 15.8% COLUMN 57 47.5% 3 38 16 女 63 52.5% 19 41 3 男 ROW 偏 遠 鄉鎮 城市
參 -3  獨立性檢定( test of independence ) ,[object Object],[object Object]
參 -3  獨立性檢定( test of independence ) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
參 -3  獨立性檢定( test of independence ) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
參 -4 改變的顯著性檢定( test of significance of change )   ,[object Object],[object Object],[object Object],[object Object],[object Object]
參 -4 改變的顯著性檢定( test of significance of change ) ,[object Object],[object Object],[object Object]
參 -4 改變的顯著性檢定( test of significance of change ) ,[object Object],[object Object],[object Object],[object Object],[object Object]
肆、 使用 χ2 考驗的注意事項   ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
肆、 使用 χ2 考驗的注意事項 ,[object Object],[object Object],[object Object],[object Object],[object Object]
伍、其他 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
你累了嗎? 為何在公堂只打屁股,不打別的地方? 在電視上每次看見官老爺大喝一聲:「打!」 公差們棒子總是朝著犯人的屁股上落下,為何在公堂只打屁股,不打別的地方? 原來,從前罰打犯人,沒有明確的部位,以致很多犯人都被活活打死。   到了唐朝李世民時,有一次他在太醫處看到一幅「明堂針灸圖」,得知人體 的重要器官的穴位多在胸背部,這些部位被撞擊拍打會有生命危險,他再看 圖中屁股部的重要穴位就少得多了。 這對他很有啟發,後來他對刑罰中的罰打作了規定,對犯人不許鞭打胸背部 ,而規定屁股作為罰打的部位。從此在公堂上打屁股就傳了下來。
你累了嗎?
陸、 SPSS 分析 適合度考驗一(期望次數相等) ,[object Object],[object Object],[object Object],[object Object]
陸、 SPSS 分析 適合度考驗一(期望次數相等) ,[object Object],[object Object],[object Object],82 35 20 60 45 人次 很重要 5 重要 4 無意見 3 不重要 2 很不重要 1 選項
陸、 SPSS 分析 適合度考驗一(期望次數相等) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
陸、 SPSS 分析 適合度考驗一(期望次數相等) Ans: 答案 Freq: 次數
陸、 SPSS 分析 適合度考驗一(期望次數相等)
陸、 SPSS 分析 適合度考驗一(期望次數相等)
陸、 SPSS 分析 適合度考驗一(期望次數相等)
陸、 SPSS 分析 適合度考驗一(期望次數相等)
陸、 SPSS 分析 適合度考驗一(期望次數相等)
陸、 SPSS 分析 適合度考驗一(期望次數相等) NPar  檢定 卡方檢定 次數分配表 殘差=觀察個數 - 期望個數 242/5
陸、 SPSS 分析 適合度考驗一(期望次數相等) ,[object Object],[object Object],[object Object]
陸、 SPSS 分析 適合度考驗一(期望次數相等) ,[object Object],[object Object]
陸、 SPSS 分析 適合度考驗一(期望次數相等)
陸、 SPSS 分析 適合度考驗一(期望次數相等)
陸、 SPSS 分析 適合度考驗一(期望次數相等)
陸、 SPSS 分析 適合度考驗一(期望次數相等)
陸、 SPSS 分析 適合度考驗一(期望次數相等) 一般  Loglinear 類別變數
陸、 SPSS 分析 適合度考驗一(期望次數相等) 適合度檢定之結果, df=4 的情況下 卡方值等於 46.719 , p=.000<.05 , 因此卡方值達顯著水準,拒絕虛無 假設,接受對立假設。(結果與無 母數卡方分配程序之卡方值相同) 上述一般化對數線性分析結果與採用無母數統計法分析之結果完全相同。
你累了嗎! (幽默類) ,[object Object]
陸、 SPSS 分析 適合度考驗二(期望次數不相等) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
陸、 SPSS 分析 適合度考驗二(期望次數不相等) 製表: 500 25 100 125 250 三年後 500 75(0.15) 200(0.4) 75(0.15) 150(0.3) 三年前 總數 非常不重要 4 不重要 3 重要 2 非常重要 1
陸、 SPSS 分析 適合度考驗二(期望次數不相等)
陸、 SPSS 分析 適合度考驗二(期望次數不相等)
陸、 SPSS 分析 適合度考驗二(期望次數不相等) 輸入理論期望值 500 25 100 125 250 三年後 500 75(0.15) 200(0.4) 75(0.15) 150(0.3) 三年前 總數 非常不重要 4 不重要 3 重要 2 非常重要 1
陸、 SPSS 分析 適合度考驗二(期望次數不相等) 卡方檢定 次數分配表 1. 自由度= 3 時,卡方值等於 183.333 , P=.000<.05 ,達顯著水準,應拒絕虛無假設。 2. 表示此次國小學生家長對國小校務評鑑重要性的態 度與三年前有顯著不同。其中非常重要的比例由 30% 增加為 50% ,而非常不重要的比例由 15% 遞減至 5% 。
陸、 SPSS 分析 ( 百分比同質性檢定) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],返回 百分比差值 臨界值 標準誤 假設學生人數 30 人 pj 贊成: 14 人,占總人數的 14/30 qj 反對: 16 人,占總人數的 16/30
陸、 SPSS 分析 ( 百分比同質性檢定) ,[object Object],[object Object],[object Object]
陸、 SPSS 分析 ( 百分比同質性檢定) ,[object Object],[object Object],※ 紅色數字為設計變項(研究者所操弄得變項) 100 40 30 30 總數 46 10 20 16 反對 54 30 10 14 贊成 總計 家長 教師 學生
陸、 SPSS 分析 ( 百分比同質性檢定)
陸、 SPSS 分析 ( 百分比同質性檢定)
陸、 SPSS 分析 ( 百分比同質性檢定)
陸、 SPSS 分析 ( 百分比同質性檢定)
陸、 SPSS 分析 ( 百分比同質性檢定)
陸、 SPSS 分析 ( 百分比同質性檢定)
陸、 SPSS 分析 ( 百分比同質性檢定) 交叉表 ※ 有效觀察次數為 100 ,遺漏值為 0
陸、 SPSS 分析 ( 百分比同質性檢定) 14 位學生所占的百分比= 14÷54=25.9% 14 位贊成的學生數占總學生數的 14÷30=46.7% 14 位學生數占總樣本數的 14÷100=14.0%
陸、 SPSS 分析 ( 百分比同質性檢定) 1. 卡方考驗結果, df=2 時,卡方值= 12.909 , p = .002<.05 ,拒絕虛無假設 , 表示三組受試者對學校營養早餐的設置的看法,持贊成意見的百分比有 顯著不同 。 2. 另一個於對數線性模式中,被使用於卡方檢定的統計量數稱為「概似比卡 方檢定」量數。 當樣本數很大的時後,概似比跟皮爾遜卡方檢定量會十分接近。 3. 如果變項是量化變項,則「線性對線性的關連卡方值」是皮爾遜相關係數 的一個函數,此分析中由於兩個變項為類別變項,故可忽略此量數。
陸、 SPSS 分析 ( 百分比同質性檢定) 上表顯示 ψ 值與 Cramer’s V 值為 .359 , p=.002<.05 , 列聯係數 =.338P=.002<.05 ,均達到顯著水準 ,表示 三組受試者與意見反應變項兩者間有某種關聯程度存 在, 因此需要考慮百分比同質性事後比較。 關聯強度係數值均在 0 至 1 之間 ,其值越接近 1 ,表示二個變項 間的關聯性越強。
陸、 SPSS 分析 ( 百分比同質性檢定) ,[object Object],學生 - 教師 (0.467-0.333)±(2.448)× =.134±.307= ( .441~-.173 ) ( p>.05 ,所以這兩組間的差異沒有達顯著) 公式 請按 α=.95 df=2 查表得卡方值= 5.991 5.991 開根號= 2.448 .250 .667 .533 (反對)佔該項人數的百分比% .750 .333 .467 (贊成)佔該項人數的百分比% 100 40 30 30 總數 46 10 20 16 反對 54 30 10 14 贊成 總計 家長 教師 學生
陸、 SPSS 分析 ( 百分比同質性檢定) ,[object Object],[object Object],[object Object],[object Object],(.333-.075)±(2.448)× =-0.417±.269= ( -.686~-.148 ) (.467-.750)±(2.448)× =-.283±.279= ( -.562~-.004 )
陸、 SPSS 分析 ( 百分比同質性檢定) ,[object Object],[object Object],[object Object],[object Object]
你累了嗎? (笑點比較高了) ,[object Object],[object Object],[object Object]
陸、 SPSS 分析 ( 獨立性考驗) ,[object Object],[object Object]
陸、 SPSS 分析 ( 獨立性考驗) ,[object Object],[object Object],[object Object],[object Object],[object Object]
陸、 SPSS 分析 ( 獨立性考驗) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],102 87 30 不滿意 88 102 120 無意見 48 150 350 很滿意 生活滿意 很少參加 偶爾參加 時常參加 社會參與
陸、 SPSS 分析 ( 獨立性考驗) 生活滿意度 1. 很滿意 2. 無意見 3. 不滿意 社會參與 1. 時常參加 2. 偶爾參加 3. 很少參加 次數
陸、 SPSS 分析 ( 獨立性考驗)
陸、 SPSS 分析 ( 獨立性考驗)
陸、 SPSS 分析 ( 獨立性考驗)
陸、 SPSS 分析 ( 獨立性考驗)
陸、 SPSS 分析 ( 獨立性考驗)
陸、 SPSS 分析 ( 獨立性考驗) 1. 本表為「生活滿意」與「社會參與頻率」 兩個變項的 3×3 細格交叉表。 2. 生活滿意度「很滿意」的細格中,實際觀 察次數有 350 位,期望值= 254.4 (548/1077) ×(500/1077) ×1077=254.4 期望值公式= (橫列總計 / 總計) × (縱列總計 / 總計) × 總計 3. 社會參與內的 % = 350/500=70.0% 4. 總和的%= 350/1077=32.5%
陸、 SPSS 分析 ( 獨立性考驗) ,[object Object],[object Object],[object Object]
陸、 SPSS 分析 ( 獨立性考驗) 1. 在生活滿意列的 λ 值等於 .102 ,表示「當知道樣本的社會參與與頻率的訊息下,可增加預測樣本生活滿意度之正確性達 10.2% 之多」。 2. 如果不知道國小退休教師社會參與頻率的訊息,而要預測國小退休教師生活滿意度知覺,最好預測其為「很滿意」。(因為該項的邊緣次數總和為 548 ,占全部觀察值的 50.9% ) 3. 若知道樣本裡社會參與頻率為「時常參加」的訊息時,則預測準度就會增加。(即可以生活滿意度為「很滿意」為最好預測樣本。) 4. 若得知樣本社會參與頻率為「很少參加」,則最好預測樣本之生活滿意度為「不滿意」。 5. 相對的,若研究者知道樣本的生活滿意度的訊息,可增加預測樣本社會參與頻率之正確性為 12.5% 。 1077 238 339 500 總和 219 102 87 30 不滿意 310 88 102 120 無意見 548 48 150 350 很滿意 生 活 滿 意 總和 很少 參加 偶爾 參加 時常 參加 社會參與  
陸、 SPSS 分析 ( 獨立性考驗) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
陸、 SPSS 分析 ( 獨立性考驗) 關聯強度表 1. 上表為列聯相關係數及顯著性檢定結果,列聯係數= .402 , p=.000<.05 達顯著水準。 2. 在「社會參與頻率」與「生活滿意度」二個變項間之關聯性屬於中度相關。 3. 在獨立性檢定中,如果卡方值達到顯著,則可根據交叉表屬性選擇適合的 關聯係數,因上表為 3×3 列聯表,故採用「列聯係數」作為「社會參與頻率」 與「生活滿意度」兩個變項間關聯性之強度統計量。 非常高 ( 強 ) 相關  高度強 ) 相關 中等相關 低 ( 弱 ) 相關 非常低 ( 弱 ) 相關 0.80 以上  0.60~0.80 0.40~0.60 0.20~0.40 0.20 以下 強度 r 值
陸、 SPSS 分析 ( 改變的顯著性檢定) ,[object Object],[object Object],[object Object],[object Object],25 15 不喜歡 120 40 喜歡 不喜歡 喜歡 開學時 begin 學期末 end
陸、 SPSS 分析 ( 改變的顯著性檢定) ,[object Object],1. 上表中,開學初與學期末對物理課態度均沒有改變者共 40 + 25=65 位。 2. 學期初與學期末對物理的喜愛有改變者共 15 + 120=135 位。 3. 研究者所關心的對象為學期初與學期末對物理喜愛有改變者( B 、 C ),所以 是 B + C 的和,如果沒有顯著改變,則 B 應等於 C ,故虛無假設 H0 : B=C ,理論上 有 (B+C)/2 的人由學期初的喜歡變成不喜歡態度,也有 (B+C)/2 的人由不喜歡變 成喜歡,所以期望值都為 (B+C)/2 不喜歡 喜歡 200 145 55 總數 40 25 ( D ) 15 ( B ) 160 120 ( C ) 40 ( A ) 學期末 總數 不喜歡 喜歡 開學初
陸、 SPSS 分析 ( 改變的顯著性檢定) ,[object Object],[object Object],[object Object],χ2= χ 2 =
陸、 SPSS 分析 ( 改變的顯著性檢定)
陸、 SPSS 分析 ( 改變的顯著性檢定)
陸、 SPSS 分析 ( 改變的顯著性檢定)
陸、 SPSS 分析 ( 改變的顯著性檢定)
陸、 SPSS 分析 ( 改變的顯著性檢定) 1. 經 McNema 考驗結果,卡方值為 80.119 , p=.000<.05 達顯著水準,故拒絕 虛無假設。表示學生在開學初及學期末對物理課喜愛態度有顯著改變。 2. 在學期初不喜歡物理課,但在學期末喜愛物理課的樣本有 120 名 ; 在學期初 喜愛物理課,但在學期末不喜愛物理課的樣本只有 15 名。
快結束了!再忍耐一下 ,[object Object],“ 不對。髒的那個看見對方乾乾淨淨,以為自己也不會髒, 哪里會去洗澡?”
陸、 SPSS 分析 ( 費雪爾正確概率檢定) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
陸、 SPSS 分析 ( 費雪爾正確概率檢定) ,[object Object],[object Object],[object Object],12 7(B+D) 5(A+C) 總數 7(C+D) 6(D) 1(C) 不喜愛 5(A+B) 1(B) 4(A) 喜愛 女生 男生 總數 性別 變項
陸、 SPSS 分析 ( 費雪爾正確概率檢定) ,[object Object],[object Object],費雪爾正確概率檢定值: p=.04419+.00126=.04545 12 7 5 總數 7 7 0 不喜愛 5 0 5 喜愛 女生 男生 總數 性別 變項
陸、 SPSS 分析 ( 費雪爾正確概率檢定) ,[object Object],[object Object],22 12 10 總數 12 4 8 不喜歡 10 8 2 喜歡 女生 男生 總數 性別 變項
陸、 SPSS 分析 ( 費雪爾正確概率檢定) Atti: 感受( 1. 喜歡  2. 不喜歡) Sex: 性別( 1. 男生  2. 女生) Freq: 次數
陸、 SPSS 分析 ( 費雪爾正確概率檢定)
陸、 SPSS 分析 ( 費雪爾正確概率檢定)
陸、 SPSS 分析 ( 費雪爾正確概率檢定)
陸、 SPSS 分析 ( 費雪爾正確概率檢定)
陸、 SPSS 分析 ( 費雪爾正確概率檢定) 交叉表 若有效樣本總數在 20~40 之間, 如未出現細格期望次數小於 5 的 情形,則使用「卡方百分比同質 性考驗」 ; 假設有出現細格期望 次數小於 5 的情形 ,則應使用 「費雪爾正確概率檢定」進行假 設考驗。
陸、 SPSS 分析 ( 費雪爾正確概率檢定) 1. 本研究的對立假設為:「學生性別對讀經喜愛與否的知覺感受有所差異」, 屬雙測考驗。 p=.043<.05 ,達顯著水準,拒絕虛無假設,接受對立假設,表示 學生性別對讀經喜愛與否的知覺感受有顯著的不同(國小三年級女生較愛讀經 的百分比明顯高於男生)。 2. 未校正卡方值等於 4.791 , p=.029<.05 ,拒絕虛無假設,結果同 (1.) 3. 有一細格期望值小於 5 ,呈現 Yate 校正後的卡方值 3.094 , p=.079>.05 接受虛 無假設。 4. 由以上得知當 2×2 列聯表中,如是小樣本且有細格期望值小於 5 的狀況,採用 不同的方法進行假設檢定,常會出現結論不一致,因此對小樣本的資料分析要 格外謹慎。
本組報告完畢 感謝教授的指導 感謝大家的聆聽 睡覺的請起立

More Related Content

What's hot

多變量變異數分析
多變量變異數分析多變量變異數分析
多變量變異數分析Ida Wu
 
愛情忠誠度測驗
愛情忠誠度測驗愛情忠誠度測驗
愛情忠誠度測驗wilsonChiu10
 
SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪
SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪
SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪Beckett Hsieh
 
R実践 機械学習による異常検知 02
R実践 機械学習による異常検知 02R実践 機械学習による異常検知 02
R実践 機械学習による異常検知 02akira_11
 
コンジョイント分析の書き方 Slideshare
コンジョイント分析の書き方 Slideshareコンジョイント分析の書き方 Slideshare
コンジョイント分析の書き方 SlideshareSayuri Shimizu
 
三星統計張偉豪-統計4超人-SPSS,SEM,HLM,PLS
三星統計張偉豪-統計4超人-SPSS,SEM,HLM,PLS三星統計張偉豪-統計4超人-SPSS,SEM,HLM,PLS
三星統計張偉豪-統計4超人-SPSS,SEM,HLM,PLSBeckett Hsieh
 
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門Yu Tamura
 
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析Shushi Namba
 
SPSS從0開始-三星統計張偉豪
SPSS從0開始-三星統計張偉豪SPSS從0開始-三星統計張偉豪
SPSS從0開始-三星統計張偉豪Beckett Hsieh
 
13.01.20.第1回DARM勉強会資料#1
13.01.20.第1回DARM勉強会資料#113.01.20.第1回DARM勉強会資料#1
13.01.20.第1回DARM勉強会資料#1Yoshitake Takebayashi
 
SEM結構方程模型與Amos基礎班講義-三星統計張偉豪
SEM結構方程模型與Amos基礎班講義-三星統計張偉豪SEM結構方程模型與Amos基礎班講義-三星統計張偉豪
SEM結構方程模型與Amos基礎班講義-三星統計張偉豪Beckett Hsieh
 
ネットワークメタ分析入門
ネットワークメタ分析入門ネットワークメタ分析入門
ネットワークメタ分析入門Senshu University
 
R Study Tokyo03
R Study Tokyo03R Study Tokyo03
R Study Tokyo03Yohei Sato
 
Dummiesパッケージ
DummiesパッケージDummiesパッケージ
Dummiesパッケージweda654
 
手把手教你 R 語言資料分析實務/張毓倫&陳柏亨
手把手教你 R 語言資料分析實務/張毓倫&陳柏亨手把手教你 R 語言資料分析實務/張毓倫&陳柏亨
手把手教你 R 語言資料分析實務/張毓倫&陳柏亨台灣資料科學年會
 
SEM與Mplus論文完全攻略-三星統計張偉豪-20140829版
SEM與Mplus論文完全攻略-三星統計張偉豪-20140829版SEM與Mplus論文完全攻略-三星統計張偉豪-20140829版
SEM與Mplus論文完全攻略-三星統計張偉豪-20140829版Beckett Hsieh
 
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編Hiroshi Shimizu
 
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析1 4.回帰分析と分散分析
1 4.回帰分析と分散分析logics-of-blue
 

What's hot (20)

多變量變異數分析
多變量變異數分析多變量變異數分析
多變量變異數分析
 
愛情忠誠度測驗
愛情忠誠度測驗愛情忠誠度測驗
愛情忠誠度測驗
 
SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪
SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪
SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪
 
R実践 機械学習による異常検知 02
R実践 機械学習による異常検知 02R実践 機械学習による異常検知 02
R実践 機械学習による異常検知 02
 
コンジョイント分析の書き方 Slideshare
コンジョイント分析の書き方 Slideshareコンジョイント分析の書き方 Slideshare
コンジョイント分析の書き方 Slideshare
 
三星統計張偉豪-統計4超人-SPSS,SEM,HLM,PLS
三星統計張偉豪-統計4超人-SPSS,SEM,HLM,PLS三星統計張偉豪-統計4超人-SPSS,SEM,HLM,PLS
三星統計張偉豪-統計4超人-SPSS,SEM,HLM,PLS
 
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
 
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
 
正準相関分析
正準相関分析正準相関分析
正準相関分析
 
SPSS從0開始-三星統計張偉豪
SPSS從0開始-三星統計張偉豪SPSS從0開始-三星統計張偉豪
SPSS從0開始-三星統計張偉豪
 
13.01.20.第1回DARM勉強会資料#1
13.01.20.第1回DARM勉強会資料#113.01.20.第1回DARM勉強会資料#1
13.01.20.第1回DARM勉強会資料#1
 
SEM結構方程模型與Amos基礎班講義-三星統計張偉豪
SEM結構方程模型與Amos基礎班講義-三星統計張偉豪SEM結構方程模型與Amos基礎班講義-三星統計張偉豪
SEM結構方程模型與Amos基礎班講義-三星統計張偉豪
 
ネットワークメタ分析入門
ネットワークメタ分析入門ネットワークメタ分析入門
ネットワークメタ分析入門
 
R Study Tokyo03
R Study Tokyo03R Study Tokyo03
R Study Tokyo03
 
Dummiesパッケージ
DummiesパッケージDummiesパッケージ
Dummiesパッケージ
 
手把手教你 R 語言資料分析實務/張毓倫&陳柏亨
手把手教你 R 語言資料分析實務/張毓倫&陳柏亨手把手教你 R 語言資料分析實務/張毓倫&陳柏亨
手把手教你 R 語言資料分析實務/張毓倫&陳柏亨
 
SEM與Mplus論文完全攻略-三星統計張偉豪-20140829版
SEM與Mplus論文完全攻略-三星統計張偉豪-20140829版SEM與Mplus論文完全攻略-三星統計張偉豪-20140829版
SEM與Mplus論文完全攻略-三星統計張偉豪-20140829版
 
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
 
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
 
最低6回は見よ
最低6回は見よ最低6回は見よ
最低6回は見よ
 

Similar to 卡方考驗

社統一資料分析
社統一資料分析社統一資料分析
社統一資料分析clinic
 
Education Statistics
Education StatisticsEducation Statistics
Education Statisticsclinic
 
如何选择数据分析方法
如何选择数据分析方法如何选择数据分析方法
如何选择数据分析方法小熊 张
 
等級檢定
等級檢定等級檢定
等級檢定clinic
 
Kirk' Experimental Design, Chapter 4
Kirk' Experimental Design, Chapter 4Kirk' Experimental Design, Chapter 4
Kirk' Experimental Design, Chapter 4Kevin Chun-Hsien Hsu
 
16 2 2_sem適配度指標的潛藏問題:最佳模式難求17-30
16 2 2_sem適配度指標的潛藏問題:最佳模式難求17-3016 2 2_sem適配度指標的潛藏問題:最佳模式難求17-30
16 2 2_sem適配度指標的潛藏問題:最佳模式難求17-30Jet_Peng
 
抽樣分配
抽樣分配抽樣分配
抽樣分配betsy588
 
演講-臨床醫學統計方法攻略-三星統計威廉顧問-20130824
演講-臨床醫學統計方法攻略-三星統計威廉顧問-20130824演講-臨床醫學統計方法攻略-三星統計威廉顧問-20130824
演講-臨床醫學統計方法攻略-三星統計威廉顧問-20130824Beckett Hsieh
 
共變異數構造分析的Amos使用手冊
共變異數構造分析的Amos使用手冊共變異數構造分析的Amos使用手冊
共變異數構造分析的Amos使用手冊Charles
 
人口統計應用於選舉預測-蔡佳泓
人口統計應用於選舉預測-蔡佳泓人口統計應用於選舉預測-蔡佳泓
人口統計應用於選舉預測-蔡佳泓台灣資料科學年會
 
統計第七組 成對樣本T檢定New
統計第七組 成對樣本T檢定New統計第七組 成對樣本T檢定New
統計第七組 成對樣本T檢定Newclinic
 
Supply ChainSampling Method and the Central Limit Theorem
Supply ChainSampling Method and the Central Limit TheoremSupply ChainSampling Method and the Central Limit Theorem
Supply ChainSampling Method and the Central Limit TheoremGavinHuang25
 
世代交替SPSS與Amos-三星統計張偉豪
世代交替SPSS與Amos-三星統計張偉豪世代交替SPSS與Amos-三星統計張偉豪
世代交替SPSS與Amos-三星統計張偉豪Beckett Hsieh
 
觀光餐旅運動休閒領域期刊論文研究方法暨趨勢探討-三星統計張偉豪-20131224
觀光餐旅運動休閒領域期刊論文研究方法暨趨勢探討-三星統計張偉豪-20131224觀光餐旅運動休閒領域期刊論文研究方法暨趨勢探討-三星統計張偉豪-20131224
觀光餐旅運動休閒領域期刊論文研究方法暨趨勢探討-三星統計張偉豪-20131224Beckett Hsieh
 
990409促進學生主動思考(林福來)
990409促進學生主動思考(林福來)990409促進學生主動思考(林福來)
990409促進學生主動思考(林福來)miaoniguo
 

Similar to 卡方考驗 (18)

社統一資料分析
社統一資料分析社統一資料分析
社統一資料分析
 
Education Statistics
Education StatisticsEducation Statistics
Education Statistics
 
如何选择数据分析方法
如何选择数据分析方法如何选择数据分析方法
如何选择数据分析方法
 
等級檢定
等級檢定等級檢定
等級檢定
 
Kirk' Experimental Design, Chapter 4
Kirk' Experimental Design, Chapter 4Kirk' Experimental Design, Chapter 4
Kirk' Experimental Design, Chapter 4
 
16 2 2_sem適配度指標的潛藏問題:最佳模式難求17-30
16 2 2_sem適配度指標的潛藏問題:最佳模式難求17-3016 2 2_sem適配度指標的潛藏問題:最佳模式難求17-30
16 2 2_sem適配度指標的潛藏問題:最佳模式難求17-30
 
抽樣分配
抽樣分配抽樣分配
抽樣分配
 
演講-臨床醫學統計方法攻略-三星統計威廉顧問-20130824
演講-臨床醫學統計方法攻略-三星統計威廉顧問-20130824演講-臨床醫學統計方法攻略-三星統計威廉顧問-20130824
演講-臨床醫學統計方法攻略-三星統計威廉顧問-20130824
 
共變異數構造分析的Amos使用手冊
共變異數構造分析的Amos使用手冊共變異數構造分析的Amos使用手冊
共變異數構造分析的Amos使用手冊
 
人口統計應用於選舉預測-蔡佳泓
人口統計應用於選舉預測-蔡佳泓人口統計應用於選舉預測-蔡佳泓
人口統計應用於選舉預測-蔡佳泓
 
統計第七組 成對樣本T檢定New
統計第七組 成對樣本T檢定New統計第七組 成對樣本T檢定New
統計第七組 成對樣本T檢定New
 
B4216
B4216B4216
B4216
 
Supply ChainSampling Method and the Central Limit Theorem
Supply ChainSampling Method and the Central Limit TheoremSupply ChainSampling Method and the Central Limit Theorem
Supply ChainSampling Method and the Central Limit Theorem
 
1227 sas 實習課
1227 sas 實習課1227 sas 實習課
1227 sas 實習課
 
世代交替SPSS與Amos-三星統計張偉豪
世代交替SPSS與Amos-三星統計張偉豪世代交替SPSS與Amos-三星統計張偉豪
世代交替SPSS與Amos-三星統計張偉豪
 
觀光餐旅運動休閒領域期刊論文研究方法暨趨勢探討-三星統計張偉豪-20131224
觀光餐旅運動休閒領域期刊論文研究方法暨趨勢探討-三星統計張偉豪-20131224觀光餐旅運動休閒領域期刊論文研究方法暨趨勢探討-三星統計張偉豪-20131224
觀光餐旅運動休閒領域期刊論文研究方法暨趨勢探討-三星統計張偉豪-20131224
 
Math b
Math bMath b
Math b
 
990409促進學生主動思考(林福來)
990409促進學生主動思考(林福來)990409促進學生主動思考(林福來)
990409促進學生主動思考(林福來)
 

卡方考驗

  • 1. 卡方考驗 - 百分比考驗 指導教授:荊溪昱 教授 學 生:許惠珍 M9671107 學 生:謝宗良 M9671114
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.
  • 28.
  • 29.
  • 30.
  • 31.
  • 32.
  • 33. 你累了嗎? 為何在公堂只打屁股,不打別的地方? 在電視上每次看見官老爺大喝一聲:「打!」 公差們棒子總是朝著犯人的屁股上落下,為何在公堂只打屁股,不打別的地方? 原來,從前罰打犯人,沒有明確的部位,以致很多犯人都被活活打死。 到了唐朝李世民時,有一次他在太醫處看到一幅「明堂針灸圖」,得知人體 的重要器官的穴位多在胸背部,這些部位被撞擊拍打會有生命危險,他再看 圖中屁股部的重要穴位就少得多了。 這對他很有啟發,後來他對刑罰中的罰打作了規定,對犯人不許鞭打胸背部 ,而規定屁股作為罰打的部位。從此在公堂上打屁股就傳了下來。
  • 35.
  • 36.
  • 37.
  • 38. 陸、 SPSS 分析 適合度考驗一(期望次數相等) Ans: 答案 Freq: 次數
  • 39. 陸、 SPSS 分析 適合度考驗一(期望次數相等)
  • 40. 陸、 SPSS 分析 適合度考驗一(期望次數相等)
  • 41. 陸、 SPSS 分析 適合度考驗一(期望次數相等)
  • 42. 陸、 SPSS 分析 適合度考驗一(期望次數相等)
  • 43. 陸、 SPSS 分析 適合度考驗一(期望次數相等)
  • 44. 陸、 SPSS 分析 適合度考驗一(期望次數相等) NPar 檢定 卡方檢定 次數分配表 殘差=觀察個數 - 期望個數 242/5
  • 45.
  • 46.
  • 47. 陸、 SPSS 分析 適合度考驗一(期望次數相等)
  • 48. 陸、 SPSS 分析 適合度考驗一(期望次數相等)
  • 49. 陸、 SPSS 分析 適合度考驗一(期望次數相等)
  • 50. 陸、 SPSS 分析 適合度考驗一(期望次數相等)
  • 51. 陸、 SPSS 分析 適合度考驗一(期望次數相等) 一般 Loglinear 類別變數
  • 52. 陸、 SPSS 分析 適合度考驗一(期望次數相等) 適合度檢定之結果, df=4 的情況下 卡方值等於 46.719 , p=.000<.05 , 因此卡方值達顯著水準,拒絕虛無 假設,接受對立假設。(結果與無 母數卡方分配程序之卡方值相同) 上述一般化對數線性分析結果與採用無母數統計法分析之結果完全相同。
  • 53.
  • 54.
  • 55. 陸、 SPSS 分析 適合度考驗二(期望次數不相等) 製表: 500 25 100 125 250 三年後 500 75(0.15) 200(0.4) 75(0.15) 150(0.3) 三年前 總數 非常不重要 4 不重要 3 重要 2 非常重要 1
  • 56. 陸、 SPSS 分析 適合度考驗二(期望次數不相等)
  • 57. 陸、 SPSS 分析 適合度考驗二(期望次數不相等)
  • 58. 陸、 SPSS 分析 適合度考驗二(期望次數不相等) 輸入理論期望值 500 25 100 125 250 三年後 500 75(0.15) 200(0.4) 75(0.15) 150(0.3) 三年前 總數 非常不重要 4 不重要 3 重要 2 非常重要 1
  • 59. 陸、 SPSS 分析 適合度考驗二(期望次數不相等) 卡方檢定 次數分配表 1. 自由度= 3 時,卡方值等於 183.333 , P=.000<.05 ,達顯著水準,應拒絕虛無假設。 2. 表示此次國小學生家長對國小校務評鑑重要性的態 度與三年前有顯著不同。其中非常重要的比例由 30% 增加為 50% ,而非常不重要的比例由 15% 遞減至 5% 。
  • 60.
  • 61.
  • 62.
  • 63. 陸、 SPSS 分析 ( 百分比同質性檢定)
  • 64. 陸、 SPSS 分析 ( 百分比同質性檢定)
  • 65. 陸、 SPSS 分析 ( 百分比同質性檢定)
  • 66. 陸、 SPSS 分析 ( 百分比同質性檢定)
  • 67. 陸、 SPSS 分析 ( 百分比同質性檢定)
  • 68. 陸、 SPSS 分析 ( 百分比同質性檢定)
  • 69. 陸、 SPSS 分析 ( 百分比同質性檢定) 交叉表 ※ 有效觀察次數為 100 ,遺漏值為 0
  • 70. 陸、 SPSS 分析 ( 百分比同質性檢定) 14 位學生所占的百分比= 14÷54=25.9% 14 位贊成的學生數占總學生數的 14÷30=46.7% 14 位學生數占總樣本數的 14÷100=14.0%
  • 71. 陸、 SPSS 分析 ( 百分比同質性檢定) 1. 卡方考驗結果, df=2 時,卡方值= 12.909 , p = .002<.05 ,拒絕虛無假設 , 表示三組受試者對學校營養早餐的設置的看法,持贊成意見的百分比有 顯著不同 。 2. 另一個於對數線性模式中,被使用於卡方檢定的統計量數稱為「概似比卡 方檢定」量數。 當樣本數很大的時後,概似比跟皮爾遜卡方檢定量會十分接近。 3. 如果變項是量化變項,則「線性對線性的關連卡方值」是皮爾遜相關係數 的一個函數,此分析中由於兩個變項為類別變項,故可忽略此量數。
  • 72. 陸、 SPSS 分析 ( 百分比同質性檢定) 上表顯示 ψ 值與 Cramer’s V 值為 .359 , p=.002<.05 , 列聯係數 =.338P=.002<.05 ,均達到顯著水準 ,表示 三組受試者與意見反應變項兩者間有某種關聯程度存 在, 因此需要考慮百分比同質性事後比較。 關聯強度係數值均在 0 至 1 之間 ,其值越接近 1 ,表示二個變項 間的關聯性越強。
  • 73.
  • 74.
  • 75.
  • 76.
  • 77.
  • 78.
  • 79.
  • 80. 陸、 SPSS 分析 ( 獨立性考驗) 生活滿意度 1. 很滿意 2. 無意見 3. 不滿意 社會參與 1. 時常參加 2. 偶爾參加 3. 很少參加 次數
  • 81. 陸、 SPSS 分析 ( 獨立性考驗)
  • 82. 陸、 SPSS 分析 ( 獨立性考驗)
  • 83. 陸、 SPSS 分析 ( 獨立性考驗)
  • 84. 陸、 SPSS 分析 ( 獨立性考驗)
  • 85. 陸、 SPSS 分析 ( 獨立性考驗)
  • 86. 陸、 SPSS 分析 ( 獨立性考驗) 1. 本表為「生活滿意」與「社會參與頻率」 兩個變項的 3×3 細格交叉表。 2. 生活滿意度「很滿意」的細格中,實際觀 察次數有 350 位,期望值= 254.4 (548/1077) ×(500/1077) ×1077=254.4 期望值公式= (橫列總計 / 總計) × (縱列總計 / 總計) × 總計 3. 社會參與內的 % = 350/500=70.0% 4. 總和的%= 350/1077=32.5%
  • 87.
  • 88. 陸、 SPSS 分析 ( 獨立性考驗) 1. 在生活滿意列的 λ 值等於 .102 ,表示「當知道樣本的社會參與與頻率的訊息下,可增加預測樣本生活滿意度之正確性達 10.2% 之多」。 2. 如果不知道國小退休教師社會參與頻率的訊息,而要預測國小退休教師生活滿意度知覺,最好預測其為「很滿意」。(因為該項的邊緣次數總和為 548 ,占全部觀察值的 50.9% ) 3. 若知道樣本裡社會參與頻率為「時常參加」的訊息時,則預測準度就會增加。(即可以生活滿意度為「很滿意」為最好預測樣本。) 4. 若得知樣本社會參與頻率為「很少參加」,則最好預測樣本之生活滿意度為「不滿意」。 5. 相對的,若研究者知道樣本的生活滿意度的訊息,可增加預測樣本社會參與頻率之正確性為 12.5% 。 1077 238 339 500 總和 219 102 87 30 不滿意 310 88 102 120 無意見 548 48 150 350 很滿意 生 活 滿 意 總和 很少 參加 偶爾 參加 時常 參加 社會參與  
  • 89.
  • 90. 陸、 SPSS 分析 ( 獨立性考驗) 關聯強度表 1. 上表為列聯相關係數及顯著性檢定結果,列聯係數= .402 , p=.000<.05 達顯著水準。 2. 在「社會參與頻率」與「生活滿意度」二個變項間之關聯性屬於中度相關。 3. 在獨立性檢定中,如果卡方值達到顯著,則可根據交叉表屬性選擇適合的 關聯係數,因上表為 3×3 列聯表,故採用「列聯係數」作為「社會參與頻率」 與「生活滿意度」兩個變項間關聯性之強度統計量。 非常高 ( 強 ) 相關 高度強 ) 相關 中等相關 低 ( 弱 ) 相關 非常低 ( 弱 ) 相關 0.80 以上 0.60~0.80 0.40~0.60 0.20~0.40 0.20 以下 強度 r 值
  • 91.
  • 92.
  • 93.
  • 94. 陸、 SPSS 分析 ( 改變的顯著性檢定)
  • 95. 陸、 SPSS 分析 ( 改變的顯著性檢定)
  • 96. 陸、 SPSS 分析 ( 改變的顯著性檢定)
  • 97. 陸、 SPSS 分析 ( 改變的顯著性檢定)
  • 98. 陸、 SPSS 分析 ( 改變的顯著性檢定) 1. 經 McNema 考驗結果,卡方值為 80.119 , p=.000<.05 達顯著水準,故拒絕 虛無假設。表示學生在開學初及學期末對物理課喜愛態度有顯著改變。 2. 在學期初不喜歡物理課,但在學期末喜愛物理課的樣本有 120 名 ; 在學期初 喜愛物理課,但在學期末不喜愛物理課的樣本只有 15 名。
  • 99.
  • 100.
  • 101.
  • 102.
  • 103.
  • 104. 陸、 SPSS 分析 ( 費雪爾正確概率檢定) Atti: 感受( 1. 喜歡 2. 不喜歡) Sex: 性別( 1. 男生 2. 女生) Freq: 次數
  • 105. 陸、 SPSS 分析 ( 費雪爾正確概率檢定)
  • 106. 陸、 SPSS 分析 ( 費雪爾正確概率檢定)
  • 107. 陸、 SPSS 分析 ( 費雪爾正確概率檢定)
  • 108. 陸、 SPSS 分析 ( 費雪爾正確概率檢定)
  • 109. 陸、 SPSS 分析 ( 費雪爾正確概率檢定) 交叉表 若有效樣本總數在 20~40 之間, 如未出現細格期望次數小於 5 的 情形,則使用「卡方百分比同質 性考驗」 ; 假設有出現細格期望 次數小於 5 的情形 ,則應使用 「費雪爾正確概率檢定」進行假 設考驗。
  • 110. 陸、 SPSS 分析 ( 費雪爾正確概率檢定) 1. 本研究的對立假設為:「學生性別對讀經喜愛與否的知覺感受有所差異」, 屬雙測考驗。 p=.043<.05 ,達顯著水準,拒絕虛無假設,接受對立假設,表示 學生性別對讀經喜愛與否的知覺感受有顯著的不同(國小三年級女生較愛讀經 的百分比明顯高於男生)。 2. 未校正卡方值等於 4.791 , p=.029<.05 ,拒絕虛無假設,結果同 (1.) 3. 有一細格期望值小於 5 ,呈現 Yate 校正後的卡方值 3.094 , p=.079>.05 接受虛 無假設。 4. 由以上得知當 2×2 列聯表中,如是小樣本且有細格期望值小於 5 的狀況,採用 不同的方法進行假設檢定,常會出現結論不一致,因此對小樣本的資料分析要 格外謹慎。