Το Chi-Square Test στο SPSS εξετάζει αν υπάρχει σχέση μεταξύ δύο κατηγορικών μεταβλητών. Ο έλεγχος βασίζεται στις συχνότητες κάθε κατηγορίας. Συγκρίνει όσα παρατηρήθηκαν με όσα θα περιμέναμε αν οι μεταβλητές ήταν ανεξάρτητες. Για σωστή ερμηνεία δεν αρκεί όμως να κοιτάξεις μόνο την τιμή p. Χρειάζεται να ελέγξεις τις αναμενόμενες συχνότητες. Μετά πρέπει να εξετάσεις πώς κατανέμονται οι παρατηρήσεις στον πίνακα συνάφειας.
Περιεχόμενα άρθρου
1. Πότε χρησιμοποιείται το Chi-Square Test στο SPSS;
Ο έλεγχος χ² ανεξαρτησίας χρησιμοποιείται όταν εξετάζεις δύο κατηγορικές μεταβλητές. Οι τιμές τους εκφράζουν κατηγορίες και όχι πραγματικές αριθμητικές ποσότητες.
Για παράδειγμα, μπορείς να εξετάσεις αν το φύλο σχετίζεται με μια συγκεκριμένη επιλογή. Μπορείς επίσης να εξετάσεις σχέση μεταξύ εργασιακής κατάστασης και προτίμησης τηλεργασίας.
Ας υποθέσουμε ότι έχεις 240 φοιτητές. Καταγράφεις το επίπεδο σπουδών τους. Παράλληλα καταγράφεις αν προτιμούν δια ζώσης ή εξ αποστάσεως διδασκαλία.
Το ερευνητικό ερώτημα είναι αν η προτίμηση διαφοροποιείται ανάλογα με το επίπεδο σπουδών. Και οι δύο μεταβλητές είναι κατηγορικές. Επομένως, ο έλεγχος χ² μπορεί να είναι κατάλληλος.
Η μηδενική υπόθεση δηλώνει ότι οι δύο μεταβλητές είναι ανεξάρτητες. Με απλά λόγια, η κατανομή της μίας δεν συνδέεται με την άλλη.
Η εναλλακτική υπόθεση δηλώνει ότι υπάρχει στατιστική σχέση. Αυτό δεν σημαίνει ότι η μία μεταβλητή προκαλεί την άλλη. Το χ² εξετάζει σχέση και όχι αιτιότητα.
Το Chi-Square Test στο SPSS δεν χρησιμοποιείται για σύγκριση μέσων όρων. Αν η εξαρτημένη μεταβλητή είναι ποσοτική, χρειάζεται διαφορετικός στατιστικός έλεγχος.
Δεν πρέπει επίσης να συγχέεται με τον έλεγχο χ² καλής προσαρμογής. Εκεί εξετάζουμε μία κατηγορική μεταβλητή. Εδώ εξετάζουμε τη σχέση ανάμεσα σε δύο.
2. Ποιες προϋποθέσεις έχει ο έλεγχος χ² στο SPSS;
Η πρώτη προϋπόθεση αφορά τη φύση των μεταβλητών. Και οι δύο πρέπει να είναι κατηγορικές. Μπορούν να είναι ονομαστικές ή διατακτικές.
Η δεύτερη προϋπόθεση αφορά την ανεξαρτησία των παρατηρήσεων. Κάθε συμμετέχων πρέπει να συνεισφέρει μία φορά στον συγκεκριμένο πίνακα συνάφειας.
Αν τα ίδια άτομα καταγράφονται επανειλημμένα, η συγκεκριμένη εφαρμογή του χ² δεν είναι κατάλληλη. Ο ερευνητικός σχεδιασμός πρέπει να ληφθεί υπόψη πριν την ανάλυση.
Ιδιαίτερη σημασία έχουν οι αναμενόμενες συχνότητες. Αυτές δεν είναι οι πραγματικές συχνότητες που βλέπεις στο δείγμα. Υπολογίζονται με βάση τη μηδενική υπόθεση.
Για κάθε κελί το αναμενόμενο πλήθος προκύπτει από τα σύνολα της αντίστοιχης γραμμής και στήλης. Το SPSS πραγματοποιεί τον υπολογισμό αυτόματα.
Το Kennesaw State University εξηγεί ότι οι αναμενόμενες συχνότητες δείχνουν τι θα περιμέναμε υπό ανεξαρτησία. Μπορείς να δεις τον οδηγό για τον έλεγχο χ² ανεξαρτησίας.
Σε αρκετούς πρακτικούς οδηγούς χρησιμοποιείται ως κανόνας να μην υπάρχουν πολύ μικρές αναμενόμενες συχνότητες. Το SPSS εμφανίζει σχετική προειδοποίηση κάτω από τον πίνακα αποτελεσμάτων.
Πρέπει επομένως να διαβάζεις αυτή την υποσημείωση πριν ερμηνεύσεις το Pearson Chi-Square. Μην σταματάς μόλις δεις ότι p < 0,05.
Σε έναν πίνακα 2×2 με πολύ μικρές συχνότητες μπορεί να χρειάζεται ο ακριβής έλεγχος Fisher. Η επιλογή εξαρτάται από τη δομή των δεδομένων.
3. Πώς εκτελείς το Chi-Square Test στο SPSS;
Στο SPSS επίλεξε Analyze > Descriptive Statistics > Crosstabs. Η διαδικασία δημιουργεί τον πίνακα συνάφειας που χρειάζεται για τον έλεγχο.
Τοποθέτησε την πρώτη κατηγορική μεταβλητή στο πεδίο Row(s). Τοποθέτησε τη δεύτερη στο Column(s). Η αντιστροφή τους δεν αλλάζει την τιμή χ².
Η επιλογή γραμμών και στηλών επηρεάζει όμως τον τρόπο που διαβάζεις τα ποσοστά. Για αυτό χρησιμοποίησε διάταξη που διευκολύνει το ερευνητικό σου ερώτημα.
Μετά πάτησε Statistics. Ενεργοποίησε την επιλογή Chi-square. Αν θέλεις μέγεθος σχέσης, επίλεξε επίσης Phi and Cramer’s V.
Στη συνέχεια πάτησε Cells. Επίλεξε Observed για τις πραγματικές συχνότητες. Επίλεξε Expected για να εμφανίζονται οι αναμενόμενες συχνότητες.
Είναι χρήσιμο να ενεργοποιήσεις και ποσοστά. Αν συγκρίνεις ομάδες που βρίσκονται στις γραμμές, μπορεί να σε ενδιαφέρουν τα Row percentages.
Τα ποσοστά είναι συχνά πιο χρήσιμα από τις απόλυτες συχνότητες. Μια ομάδα μπορεί να έχει περισσότερες παρατηρήσεις μόνο επειδή περιλαμβάνει περισσότερους συμμετέχοντες.
Μπορείς επίσης να εμφανίσεις προσαρμοσμένα κατάλοιπα. Αυτά βοηθούν να εντοπίσεις ποια συγκεκριμένα κελιά αποκλίνουν περισσότερο από τις αναμενόμενες τιμές.
Μετά πάτησε OK. Το SPSS θα εμφανίσει πρώτα τον πίνακα Crosstabulation. Εκεί βλέπεις την πραγματική κατανομή των κατηγοριών.
Στη συνέχεια εμφανίζεται ο πίνακας Chi-Square Tests. Η σημαντικότερη γραμμή για τον κλασικό έλεγχο ανεξαρτησίας είναι συνήθως η Pearson Chi-Square.
Αν θέλεις γενικότερη εξοικείωση με τη διαδικασία, δες και τον οδηγό πώς να κάνεις εργασία με το SPSS. Το συγκεκριμένο άρθρο λειτουργεί ως tier-2 εισαγωγή στη στατιστική επεξεργασία.
4. Πώς ερμηνεύεις Pearson Chi-Square και Cramér’s V;
Στον πίνακα Chi-Square Tests εντόπισε τη γραμμή Pearson Chi-Square. Εκεί εμφανίζεται η τιμή χ². Θα δεις επίσης τους βαθμούς ελευθερίας.
Το βασικό σημείο για την απόφαση είναι η τιμή σημαντικότητας. Αν p ≥ 0,05, δεν απορρίπτεις τη μηδενική υπόθεση.
Αυτό σημαίνει ότι τα δεδομένα δεν προσφέρουν επαρκή στατιστική ένδειξη σχέσης. Δεν σημαίνει ότι απέδειξες πως οι δύο μεταβλητές είναι απολύτως ανεξάρτητες.
Αν p < 0,05, απορρίπτεις τη μηδενική υπόθεση. Συμπεραίνεις ότι υπάρχει στατιστικά σημαντική σχέση μεταξύ των κατηγορικών μεταβλητών.
Ας υποθέσουμε ότι παίρνεις χ²(2) = 10,84 και p = 0,004. Το αποτέλεσμα υποστηρίζει ότι οι δύο μεταβλητές σχετίζονται στατιστικά.
Το αποτέλεσμα δεν δείχνει όμως πού βρίσκεται η σχέση. Για αυτό πρέπει να επιστρέψεις στον πίνακα Crosstabulation και να εξετάσεις τα ποσοστά.
Αν χρησιμοποίησες προσαρμοσμένα κατάλοιπα, μπορείς να εντοπίσεις τα κελιά που συμβάλλουν περισσότερο στο συνολικό χ². Μεγάλες αποκλίσεις χρειάζονται προσεκτική ερμηνεία.
Η τιμή p δεν δείχνει επίσης πόσο ισχυρή είναι η σχέση. Για αυτό μπορείς να εξετάσεις το Cramér’s V.
Το Cramér’s V κυμαίνεται από 0 έως 1. Τιμές πιο κοντά στο μηδέν δείχνουν ασθενέστερη σχέση. Μεγαλύτερες τιμές δείχνουν ισχυρότερη σύνδεση.
Δεν πρέπει όμως να εφαρμόζεις μηχανικά ένα ενιαίο όριο σε όλες τις έρευνες. Η ερμηνεία εξαρτάται και από τις διαστάσεις του πίνακα.
Αν έχεις πίνακα 2×2, το Phi μπορεί επίσης να χρησιμοποιηθεί ως δείκτης μεγέθους σχέσης. Σε μεγαλύτερους πίνακες το Cramér’s V είναι συνήθως καταλληλότερο.
Το Chi-Square Test στο SPSS πρέπει επομένως να διαβάζεται σε δύο επίπεδα. Πρώτα εξετάζεις αν υπάρχει σχέση. Μετά εξετάζεις τη μορφή και την έντασή της.
5. Πώς γράφεις το Chi-Square Test στην πτυχιακή;
Στην πτυχιακή πρέπει πρώτα να δηλώσεις ποια ερευνητική υπόθεση εξετάστηκε. Μετά εξήγησε ποιες δύο κατηγορικές μεταβλητές συμμετείχαν στον έλεγχο.
Στα αποτελέσματα μπορείς να παρουσιάσεις έναν πίνακα συνάφειας. Συμπεριέλαβε τις συχνότητες που είναι απαραίτητες για την κατανόηση του ευρήματος.
Τα ποσοστά είναι επίσης ιδιαίτερα χρήσιμα. Δείχνουν καθαρότερα πώς διαφοροποιείται η κατανομή μεταξύ των ομάδων.
Μετά παρουσιάζεις το αποτέλεσμα του Pearson Chi-Square. Ένα παράδειγμα είναι: «Παρατηρήθηκε στατιστικά σημαντική σχέση μεταξύ των δύο μεταβλητών, χ²(2) = 10,84, p = 0,004».
Αν το SPSS εμφανίζει .000, δεν γράφεις p = .000. Η σωστή παρουσίαση είναι p < .001, επειδή μια πιθανότητα δεν είναι πραγματικά μηδενική.
Αν έχεις υπολογίσει Cramér’s V, μπορείς να το προσθέσεις μετά το αποτέλεσμα. Έτσι παρουσιάζεις και το μέγεθος της παρατηρούμενης σχέσης.
Πρέπει επίσης να περιγράψεις τη μορφή της σχέσης. Μην αφήσεις το συμπέρασμα στη φράση «υπήρξε στατιστικά σημαντική σχέση».
Για παράδειγμα, μπορείς να αναφέρεις ότι οι μεταπτυχιακοί επέλεξαν συχνότερα την εξ αποστάσεως διδασκαλία. Μετά δίνεις τα αντίστοιχα ποσοστά.
Απόφυγε αιτιώδεις διατυπώσεις όταν ο σχεδιασμός είναι συσχετιστικός. Το χ² δεν αποδεικνύει ότι μία κατηγορική μεταβλητή προκαλεί αλλαγή στην άλλη.
Αν οι αναμενόμενες συχνότητες παρουσίαζαν πρόβλημα, πρέπει επίσης να το λάβεις υπόψη. Σε ορισμένες περιπτώσεις χρειάζεται εναλλακτική διαδικασία.
Στη μεθοδολογία αρκεί να εξηγήσεις γιατί επιλέχθηκε ο συγκεκριμένος έλεγχος. Οι δύο μεταβλητές πρέπει να είναι κατηγορικές και το ερευνητικό ερώτημα να αφορά τη σχέση τους.
Αν η εργασία περιλαμβάνει περισσότερους στατιστικούς ελέγχους, δες και τη σελίδα για στατιστικές αναλύσεις. Κάθε τεστ πρέπει να συνδέεται με συγκεκριμένο ερευνητικό ερώτημα.
Χρειάζεσαι βοήθεια με το Chi-Square στο SPSS;
Αν χρειάζεσαι βοήθεια με τη στατιστική ανάλυση της πτυχιακής σου, στείλε το αρχείο δεδομένων. Στείλε επίσης τα ερευνητικά ερωτήματα και ό,τι άλλο έχεις στη διάθεσή σου.
Μπορείς να συμβουλευτείς τις ενδεικτικές τιμές για μια πρώτη εικόνα. Η τελική κοστολόγηση εξαρτάται από τα δεδομένα. Εξαρτάται επίσης από την πολυπλοκότητα της απαιτούμενης ανάλυσης.
Για συγκεκριμένη εκτίμηση, συμπλήρωσε τη φόρμα κοστολόγησης και επισύναψε τα διαθέσιμα αρχεία. Αν χρειάζεσαι πρώτα διευκρίνιση, μπορείς να επικοινωνήσεις μαζί μας.