Binomial Test - раздел Социология, ВВЕДЕНИЕ В ПРОБЛЕМУ СТАТИСТИЧЕСКОГО ВЫВОДА
Catego...
Category
N
Observed Prop.
Test Prop.
Exact Sig. (1-tailed)
var Group 1
1.00
.25
.52
.013(a)
Group 2
.00
.75
Total
1.00
a Alternative hypothesis states that the proportion of cases in the first group < .52.
Observed Prop. — наблюдаемая доля для каждой категории (Category); Test Prop. — теоретическая доля для первой из категорий; Exact Sig. (1-tailed) — точное значение /ьуровня для односторонней альтернативы (направленной гипотезы).
Примечание. Если проверяется ненаправленная гипотеза, то полученное значение/7-уровня необходимо умножить на 2.
Более двух градаций
Как и в предыдущем случае, при сопоставлении нескольких градаций чаще всего проверяют гипотезу о том, различаются ли по численности соответствующие доли совокупности. Это соответствует задаче сопоставления эмпирического и равномерного теоретического распределения. Но ожидаемое (теоретическое) распределение может быть и любым другим: последовательность решения при этом не меняется. Для проверки подобных гипотез применяют критерий х,2-Пирсона (формула 9.1), который еще называют критерием согласия (эмпирического и теоретического распределений).
ПРИМЕР 9,3___________________________________________________________
С целью предсказания результатов выборов исследовалось предпочтение потенциальными избирателями пяти политических лидеров. По результатам опроса репрезентативной выборки из 120 респондентов была составлена таблица распределения их предпочтений:
Политические лидеры:
Кол-во «поклонников»:
Можно ли утверждать, что в совокупности всех потенциальных избирателей наблюдаются существенные различия в соотношении предпочтений пяти политических лидеров? Иначе говоря, отличается ли распределение предпочтений потенциальных избирателей от равномерного распределения?
Отметим, что в отношении данной группы респондентов ответ очевиден: да, предпочтения распределены явно не равномерно. Но вопрос при статистической проверке формулируется иначе: можно ли распространить этот вывод на генеральную совокупность, из которой извлечена данная выборка респондентов? Поскольку jV> 100, выбираем для принятия статистического решения а = 0,01.
ЧАСТЬ II. МЕТОДЫ СТАТИСТИЧЕСКОГО ВЫВОДА: ПРОВЕРКА ГИПОТЕЗ
Но: эмпирическое распределение соответствует теоретическому равномерному распределению. Задача сводится к сопоставлению эмпирического распределения с идентичным по общей численности, но равномерным теоретическим (ожидаемым) распределением:
Политические лидеры
Распределение предпочтений:
эмпирическое
теоретическое
Всего
По формуле 9.1 число слагаемых Р= 5, к = 5, 1—2, df= 4.
По формуле 9.1 число слагаемых Р= 5, к = 5, 1—2, df= 4.
2_(21-24)2| (37-24)2|(29-24)2j(15-24)2](18-24)2 _ т 24 24 24 24 24 '
По таблице критических значений теоретического распределения х2-Пирсона (Приложение 4) для df- 4 видим, что наше эмпирическое значение %2Эменьше критического значения для р = 0,01. Следовательно, в соответствии со схемой определенияр-уровня для данного случая р < 0,01. Так как/? < а, то принимаем статистическое решение: отклоняется нулевая гипотеза о соответствии распределения предпочтений в генеральной совокупности равномерному распределению. Таким образом, корректен следующий содержательный вывод: обнаружены различия в предпочтениях потенциальными избирателями пяти политических лидеров (р < 0,01).
Отметим, что в этом случае, отклоняя Но, мы принимаем альтернативную гипотезу о том, что распределение предпочтений является неравномерным. Но альтернативная гипотеза не содержит и не может содержать утверждения о том, что в какой-то конкретной ячейке наблюдений больше, а в какой-то меньше. Любая конкретизация этого утверждения будет некорректной. Для утверждений о том, что в какой-то ячейке (градации) наблюдений больше или меньше, необходима дополнительная статистическая проверка.
Например, на первый взгляд справедливое утверждение о том, что лидер № 2 предпочитается чаще, чем лидер № 3 (пример 9.3), при дополнительной статистической проверке не подтверждается. Сравнение распределения 37:29 с ожидаемым равномерным распределением 33:33 дает: х2э- 0,970; df= 1. Величина эмпирического значения критерия меньше критического значения для df— 1, р = 0,1 (эмпирическое значение располагается левее критического значения критерия для р — 0,1). Следовательно, в данном случае р > 0,1, Но не отклоняется: не обнаружены различия в предпочтениях двух политических лидеров (р > 0,1).
Подобная проблема множественных сравнений возникает всегда, если нулевая гипотеза содержит утверждение о равенстве более чем двух величин, При ее отклонении принимается альтернативная гипотеза, содержащая изрядную долю неопределенности: сравниваемые величины не тождественны. Для кон-
ГЛАВА 9. АНАЛИЗ НОМИНАТИВНЫХ ДАННЫХ
кретизации этого утверждения необходимы, как правило, парные сравнения величин, в отношении которых проверяется гипотеза.
Обработка на компьютере: критерий согласия у}
Исходные данные:значения номинативной переменной (более 2-х градаций) определены для каждого члена выборки и представлены одним столбцом.
Выбираем; Analyze (Метод) > Nonparametric tests(Непараметрические методы) > Chi-square...(Хи-квадрат). В открывшемся окне диалога переносим необходимую переменную из левого в правое окно (Test Variable List),переменных может быть несколько.
Если теоретическое распределение является равномерным, то нажимаем ОК и получаем результаты.
Если теоретическое распределение не является равномерным, то необходимо задать ожидаемые (теоретические) пропорции (доли) для каждой градации (сумма долей должна быть равна 1). Для этого вместо Expected Values: All categories equal(Ожидаемые значения: все категории тождественны) отмечаем точкой Expected Values: Values(Значения). После этого вводим ожидаемую долю для наименьшей категории, затем нажимаем Add(Добавить), затем вводим долю для наименьшей из оставшихся категорий, и т. д. — до последней категории. Последовательность значений долей появится в нижнем окне. Нажимаем ОК и получаем результаты.
ВВЕДЕНИЕ В ПРОБЛЕМУ СТАТИСТИЧЕСКОГО ВЫВОДА ГИПОТЕЗЫ НАУЧНЫЕ И СТАТИСТИЧЕСКИЕ ПРИМЕР Исходя из... ПРИМЕР... Первым примером применения такой логики для проверки статистической ги потезы по видимому является работа врача...
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:
Binomial Test
Что будем делать с полученным материалом:
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
ГИПОТЕЗЫ НАУЧНЫЕ И СТАТИСТИЧЕСКИЕ
Обычно исследование проводится для проверки гипотезы, которая является следствием теоретических представлений.1 Эта гипотеза содержит утверждение о связи абстрактных категорий, относящ
ИДЕЯ ПРОВЕРКИ СТАТИСТИЧЕСКОЙ ГИПОТЕЗЫ
Рассмотрим идею проверки статистической гипотезы на примере. Предположим, психолог решил проверить пригодность разработанных ранее норм для имеющегося в его распоряжении теста интеллекта. Прежний
УРОВЕНЬ СТАТИСТИЧЕСКОЙ ЗНАЧИМОСТИ
Статистическая значимость(Significant level, сокращенно Sig.), или р-уро-вень значимости(р-level), — основной результат проверки статис
СТАТИСТИЧЕСКОЕ РЕШЕНИЕ И ВЕРОЯТНОСТЬ ОШИБКИ
До сих пор под проверкой статистической гипотезы мы подразумевали процедуру определения надежности связи (р-уровня, как показателя статистической значимости). Однако в конечном итоге проверка ста
ВЫБОР МЕТОДА СТАТИСТИЧЕСКОГО ВЫВОДА
Приступая к операционализации содержательной гипотезы — к определению того, как будут измерены изучаемые явления, исследователь уже должен представлять себе, какому методу статистического выв
Анализ таблиц сопряженности
Условие применения: для. каждого объекта (испытуемого) выборки определена его принадлежность к одной из категорий (градаций) Хи к одной из категорий (градаций) Y (получена пе
Сравнение двух независимых выборок
Условия применения: признак измерен у объектов (испытуемых), каждый из которых принадлежит к одной из двух независимых выборок.
ПРИМЕР____________________________________
Сравнение 2-х зависимых выборок
Условия применения: (а) признак измерен у объектов (испытуемых), каждый из которых принадлежит к одной из двух зависимых выборок: либо при-
ГЛАВА 8. ВЫБОР МЕТОДА СТАТИСТИЧЕ
Сравнение более двух независимых выборок
Условия применения: признак измерен у объектов (испытуемых), каждый из которых принадлежит к одной из к независимых выборок (к > 2).
ЧАСТЬ II. МЕТОДЫ СТАТИС
АНАЛИЗ НОМИНАТИВНЫХ ДАННЫХ
Методы, о которых пойдет речь в этой главе, касаются проверки, по-видимому, самого широкого класса гипотез — в отношении тех явлений, измерения которых доступны в номинативной шкале.
Две градации
Эта задача сводится к сравнению численности двух долей объектов (людей, событий и т. д.) в совокупности: обладающих и не обладающих некоторым свойством.
ПРИМЕР________________________
Обработка на компьютере: биномиальный критерий
Исходные данные: значения бинарной номинативной переменной (0, 1) определены для каждого члена выборки и представлены одним столбцом.
Выбираем: Analyze (Метод) > Nonparam
Test Statistics
Y
Chi-Square{a) df Asymp. Sig.
13.333 4 .010
a 0 cells (.0%) have expected frequenc
Число градаций больше двух
По сравнению с анализом классификации, специфика применения критерия х2-Пирсона (формула 9.1) к таблицам сопряженности заключается в том, что теоретические частоты рассчитываются отдель
Независимые выборки
Это наиболее часто встречающаяся ситуация применения таблиц 2x2, когда одна группа объектов классифицируется по двум дихотомическим основаниям и проверяется гипотеза о связи этих двух оснований к
Повторные измерения
Структура исходных данных соответствует ситуации, когда одна выборка объектов классифицирована на две группы дважды по одному и тому же основанию. Рассмотрим проверку гипотезы в отношении таких да
КОРРЕЛЯЦИОННЫЙ АНАЛИЗ
Корреляционный анализ — это проверка гипотез о связях между переменными с использованием коэффициентов корреляции. Наиболее распространенные коэффициенты корреляции подробно рассмотрены в
ПАРАМЕТРИЧЕСКИЕ МЕТОДЫ СРАВНЕНИЯ ДВУХ ВЫБОРОК
Сравнение двух выборок по признаку, измеренному в метрической шкале, обычно предполагает сравнение средних значений с использованием параметрического критерия t-Стьюдента. Следует различать
КРИТЕРИЙ Г-СТЬЮДЕНТА ДЛЯ ЗАВИСИМЫХ ВЫБОРОК
Метод позволяет проверить гипотезу о том, что средние значения двух ie-неральных совокупностей, из которых извлечены сравниваемые зависимые выборки, отличаются друг от друга. Допущение зави
Критерий r-Стьюдента для одной выборки.
A) Выбираем Analyze > Compare meansj> One Sample T-Test...
Б) Воткрывшемся окне диалога выделяем и переносим интересующие переменные из левого окна
ОБЩИЕ ЗАМЕЧАНИЯ
К методам сравнения выборок, в соответствии с принятой классификацией1, мы относим способы проверки статистических гипотез о различии выборок по уровню выраженности признака, измеренно
СРАВНЕНИЕ ДВУХ НЕЗАВИСИМЫХ ВЫБОРОК
Самым популярным и наиболее чувствительным (мощным) аналогом критерия f-Стьюдента для независимых выборок является критерий U-Манна-Уитни (Mann-Whitney U). Непараметрическим его аналогом яв
Обработка на компьютере: критерий (7-Манна-Уитни
Для обработки использованы данные примера 12.1. В таблице исходных данных (Data Editor)для каждого из 16 объектов определены значения двух переменных: varl — значения количественно
СРАВНЕНИЕ ДВУХ ЗАВИСИМЫХ ВЫБОРОК
Самым чувствительным (мощным) аналогом критерия f-Стьюдента для зависимых выборок является критерий Т-Вилкоксона (Wilcoxon signed-rank test). Непараметрическим его аналогом является крите
Обработка на компьютере: критерий Г-Вилкоксона
Для обработки использованы данные примера 12.2. Исходные данные для обработки введены в таблицу (Data Editor)в виде двух переменных: varl — «Условие 1»; var2 — «Условие 2».
СРАВНЕНИЕ БОЛЕЕ ДВУХ НЕЗАВИСИМЫХ ВЫБОРОК
Критерий IIКраскала-Уоллеса (Kruskal- Wallis H) является непараметрическим аналогом однофакторного дисперсионного анализа (ANOVA) для независимых выборок, поэтому другое его название —
Обработка на компьютере: критерий Я-Краскала-Уоллеса
Для обработки использованы данные примера 12.3. В таблице исходных данных (Data Editor)для каждого из 16 объектов определены значения двух переменных: varl — значения количественно
СРАВНЕНИЕ БОЛЕЕ ДВУХ ЗАВИСИМЫХ ВЫБОРОК
Критерий %2-Фридмана (Friedman test) является непараметрическим аналогом однофакторного дисперсионного анализа (ANOVA) для повторных измерений. Он позволяет проверять гипотезы о
Обработка на компьютере: критерий х2-Фридмана
Для обработки использованы данные примера 12.4. Исходные данные для обработки введены в таблицу (Data Editor)в виде четырех переменных, соответствующих четырем сравниваемым услови
ОДНОФАКТОРНЫЙ ANOVA
Однофакторный (One-Way) ANOVA позволяет проверить гипотезу о том, что изучаемый фактор оказывает влияние на зависимую переменную (средние значения, соответствующие разным градациям фактора, различ
Условие 122
Так зависит ли запоминание материала от условий его предъявления?
Условие 1
Условие 2
Условие 3
№
Обработка на компьютере
Рассмотрим применение однофакторного ANOVA к данным примера 13.1 Исходные данные для анализа введены в таблицу (Data Editor)в следующем виде:
Descriptives VOSPR
Первая колонка — номера градаций фактора, вторая колонка (N) — численность выборок, Mean — средние значе
МНОЖЕСТВЕННЫЕ СРАВНЕНИЯ В ANOVA
В состав процедур ANOVA включаются множественные сравнения средних значений для разных уровней фактора: парные сравнения средних после отклонения H0(Post Hoc Tests); метод контрастов (C
Обработка на компьютере
Рассмотрим применение методов множественного сравнения с использованием данных примера 13.1. Применим метод Шеффе для парного сравнения средних и метод контрастов для сравнения третьего уровня фа
Новости и инфо для студентов